基于多策略改进的蜣螂优化算法及其应用

刘洋; 李思; 柴海龙

doi:10.16103/j.cnki.21-1583/n.2025.02.003

沈阳大学学报（自然科学版） ›› 2025, Vol. 37 ›› Issue (02) : 134 -146. DOI: 10.16103/j.cnki.21-1583/n.2025.02.003

基于多策略改进的蜣螂优化算法及其应用

刘洋, 李思, 柴海龙

作者信息 +

Author information +

文章历史 +

摘要

针对传统蜣螂优化算法(dung beetle optimizer, DBO)多样性不足、容易陷入局部最优和收敛速度较慢等问题，提出了一种多策略改进的蜣螂优化算法(multi strategy improved dung beetle optimization algorithm, SDBO)。SDBO使用Tent混沌映射混合精英反向学习策略，以增加初始化种群的多样性；引入黄金正弦算法，以增强算法的全局探索和局部搜索性能；引入莱维飞行策略，以避免算法陷入局部最优解；采用动态权重系数来提高算法的收敛速度。为评估SDBO的性能，使用12个标准测试函数对其进行了测试。实验结果表明，SDBO在整体优化性能方面表现优于其他7种启发式算法。将SDBO算法应用于两个经典约束工程设计优化问题，并获得了显著的优化效果。