针对黑猩猩优化算法存在全局搜索能力弱、寻优精度低、收敛速度慢等问题,提出一种混沌精英池协同教与学改进的黑猩猩优化算法(chimp optimization algorithm improved by the elite chaos pool collaborative teaching-learning,ECTChOA...针对黑猩猩优化算法存在全局搜索能力弱、寻优精度低、收敛速度慢等问题,提出一种混沌精英池协同教与学改进的黑猩猩优化算法(chimp optimization algorithm improved by the elite chaos pool collaborative teaching-learning,ECTChOA)。采用混沌精英池策略生成初始种群,增强初始解的质量和种群的多样性,为算法全局寻优奠定基础;引入自适应振荡因子平衡ChOA的全局探索和局部开发能力;结合教与学优化算法的教学阶段和粒子群优化算法的个体记忆思想优化种群位置更新过程,提高算法的寻优精度和收敛速度。仿真实验将ECTChOA与标准ChOA、其他元启发式优化算法和最新改进ChOA在12个基准测试函数下进行寻优对比,实验结果与Wilcoxon秩和检验p值结果均表明所提改进算法具有更高搜索精度、更快的收敛速度和更好的鲁棒性。另外,将ECTChOA应用于机械工程设计案例中,进一步验证ECTChOA在实际工程问题中的可行性和适用性。展开更多
为了解决金豺优化算法种群多样性差、收敛速度慢、易陷入局部最优等问题,提出了一种多策略强化的金豺优化算法(strengthening golden jackal optimization,SGJO)。首先,采用混沌精英池策略生成精英种群以增强种群多样性并提高初始解质量...为了解决金豺优化算法种群多样性差、收敛速度慢、易陷入局部最优等问题,提出了一种多策略强化的金豺优化算法(strengthening golden jackal optimization,SGJO)。首先,采用混沌精英池策略生成精英种群以增强种群多样性并提高初始解质量;然后利用自适应扰动因子更新个体位置以扩大算法的寻优范围;最后,基于种群内个体差异引入柯西高斯突变策略,以解决算法易陷入局部最优的难题且有效提高了收敛速度。通过在基准测试函数与CEC2021测试函数上进行策略有效性实验,并与其他群智能优化算法对比实验来验证SGJO算法的寻优性能,通过Wilcoxon秩和检验与汽车侧面碰撞优化问题来验证SGJO算法的稳健性和有效性。实验结果表明,多策略强化的金豺优化算法有效增强了算法的寻优能力及收敛速度,与其他算法相比具有一定的优越性。展开更多
文摘针对黑猩猩优化算法存在全局搜索能力弱、寻优精度低、收敛速度慢等问题,提出一种混沌精英池协同教与学改进的黑猩猩优化算法(chimp optimization algorithm improved by the elite chaos pool collaborative teaching-learning,ECTChOA)。采用混沌精英池策略生成初始种群,增强初始解的质量和种群的多样性,为算法全局寻优奠定基础;引入自适应振荡因子平衡ChOA的全局探索和局部开发能力;结合教与学优化算法的教学阶段和粒子群优化算法的个体记忆思想优化种群位置更新过程,提高算法的寻优精度和收敛速度。仿真实验将ECTChOA与标准ChOA、其他元启发式优化算法和最新改进ChOA在12个基准测试函数下进行寻优对比,实验结果与Wilcoxon秩和检验p值结果均表明所提改进算法具有更高搜索精度、更快的收敛速度和更好的鲁棒性。另外,将ECTChOA应用于机械工程设计案例中,进一步验证ECTChOA在实际工程问题中的可行性和适用性。
文摘为了解决金豺优化算法种群多样性差、收敛速度慢、易陷入局部最优等问题,提出了一种多策略强化的金豺优化算法(strengthening golden jackal optimization,SGJO)。首先,采用混沌精英池策略生成精英种群以增强种群多样性并提高初始解质量;然后利用自适应扰动因子更新个体位置以扩大算法的寻优范围;最后,基于种群内个体差异引入柯西高斯突变策略,以解决算法易陷入局部最优的难题且有效提高了收敛速度。通过在基准测试函数与CEC2021测试函数上进行策略有效性实验,并与其他群智能优化算法对比实验来验证SGJO算法的寻优性能,通过Wilcoxon秩和检验与汽车侧面碰撞优化问题来验证SGJO算法的稳健性和有效性。实验结果表明,多策略强化的金豺优化算法有效增强了算法的寻优能力及收敛速度,与其他算法相比具有一定的优越性。
