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

沈阳大学学报(自然科学版) ›› 2025, Vol. 37 ›› Issue (02) : 134 -146.

PDF
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 +
PDF

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。

关键词

蜣螂优化算法 / 混沌映射 / 莱维飞行 / 黄金正弦算法 / SDBO

Key words

引用本文

引用格式 ▾
基于多策略改进的蜣螂优化算法及其应用[J]. 沈阳大学学报(自然科学版), 2025, 37(02): 134-146 DOI:10.16103/j.cnki.21-1583/n.2025.02.003

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

91

访问

0

被引

详细

导航
相关文章

AI思维导图

/