秃鹰搜索算法及应用研究

作     者：张云辉 

作者单位：广西民族大学 

学位级别：硕士

导师姓名：周永权

授予年度：2023年

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

主      题：秃鹰搜索算法 极坐标秃鹰搜索算法 多目标秃鹰搜索算法 曲线逼近 多目标优化 工程设计 元启发式优化算法 

摘      要：秃鹰搜索算法(Bald Eagle Search Algorithm,BES)是一种模拟秃鹰在搜索鱼类时的狩猎策略和智能社会行为的新型元启发式算法。该算法结构简单、控制参数少,具有较强的全局搜索能力,能够有效地解决复杂函数优化问题。BES算法自提出以来,在工程、控制、优化、能源等领域有着广泛的应用。但随着研究的不断深入,研究者发现该算法存在易陷入局部最优、搜索效率低,且全局搜索精度不高等不足。本论文针对秃鹰搜索算法所存在的不足进行分析和改进,提出两种改进的秃鹰搜索算法,并将改进后的算法应用于实际优化问题,目的是提高BES算法的性能和拓宽其应用范围。本文的主要研究工作如下:(1)为了增加种群的多样性,提高算法的勘探和开发能力,提出了一种基于极坐标的秃鹰搜索算法(Polar Coordinate Bald Eagle Search Algorithm,PBES)。PBES种群初始化、搜索过程和位置更新都直接在极坐标中进行,分别更新极角和极径来更新个体的位置,这些策略极大地提高了算法的收敛速度和精度,并将其成功地应用于极坐标超越方程和机械臂的逆运动学两类问题中,拓宽了算法的应用范围。(2)为了拓宽秃鹰搜索算法的应用领域,将提出的极坐标秃鹰搜索算法应用于极坐标空间下的曲线逼近问题。在极坐标空间下,测试一些圆锥曲线、帕斯卡螺线、螺旋线和特殊曲线等16种不同类型曲线,实验结果证明PBES算法具有良好的逼近效果和优越的性能,相比其它算法具有较强的竞争力,能够有效地实现曲线逼近问题。(3)为了解决多目标优化问题,提出了一种多目标秃鹰搜索算法(Multi-objective Bald Eagle Search Algorithm,MOBES)。MOBES使用了存档机制、轮盘赌、精英选择策略等方法,测试CEC 2020基准测试函数和现实生活中的两目标、三目标和四目标的工程设计问题,实验结果表明该算法在收敛性、解的多样性和分布性方面均优于其它算法,在处理具有未知真实Pareto最优解和前沿的挑战性多目标优化问题时具有较强优越性,相比其它算法更具竞争力,能够很好的解决多目标优化问题。