多策略融合的改进天鹰优化算法
Improved Aquila Optimization Based on Multi-Strategy Integration作者机构:昆明理工大学信息工程与自动化学院云南昆明650500
出 版 物:《电子学报》 (Acta Electronica Sinica)
年 卷 期:2023年第51卷第5期
页 面:1245-1255页
核心收录:
学科分类:0711[理学-系统科学] 08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金(No.51665025 No.61963022)
主 题:天鹰优化算法 折射反向学习 种内互助 Bernoulli序列 自适应权重 柯西-高斯变异
摘 要:为了解决天鹰优化算法(Aquila Optimization algorithm,AO)易陷入局部最优及收敛速度慢的问题,本文提出一种多策略融合的改进天鹰优化算法(Multi-Strategy Integration Aquila Optimization algorithm,MSIAO).该算法采用结合Tent混沌映射的折射反向学习初始化种群以提高算法前期的搜索效率,根据种内互助及优化策略解决算法寻优停滞的缺陷,并通过基于Bernoulli混沌序列的自适应权重策略提高算法的收敛速度,引入了柯西-高斯变异算子增强算法迭代后期逃逸局部极值的能力.本文对10个基准函数、部分CEC2014测试函数集进行实验,并将MSIAO用于2个工程设计优化问题.结果表明,对于高维单峰、高维多峰以及固定维复杂多模态函数,MSIAO比AO具有更高的收敛精度和更快的收敛速度;MSIAO对压力容器与焊接梁优化设计的经济成本较AO分别节约4.62%、0.77%,验证了MSIAO对于处理机械工程问题的实用性和优越性.