精英反向学习及柯西扰动引导的瞪羚优化算法

作     者：班云飞 张达敏 左锋琴 沈倩雯 Ban Yunfei;Zhang Damin;Zuo Fengqin;Shen Qianwen

作者机构：贵州大学大数据与信息工程学院贵阳550025 

基　　金：国家自然科学基金(62166006)项目资助 

出 版 物：《国外电子测量技术》 (Foreign Electronic Measurement Technology)

年 卷 期：2024年第43卷第7期

页      码：1-13页

摘      要：针对瞪羚优化算法收敛精度低和易陷入局部最优的问题,提出一种精英反向学习及柯西扰动引导的瞪羚优化算法(improved gazelle optimization algorithm,IGOA)。首先,对瞪羚个体利用精英反向学习策略进行初始化,提升初始解的质量并增加种群多样性;其次,在算法迭代初期,利用二阶段非线性惯性权重引导种群的位置更新方式,提高算法的精度并均衡算法的全局搜索和局部搜索;最后,将存活率引导的柯西扰动策略引入勘探阶段种群的位置更新公式中,提升算法跳出局部最优的能力。利用12个基准测试函数和Wilcoxon秩和检验在8个对比算法上进行实验检测,结果表明改进算法寻优精度更高、收敛速度更快且具有跳出局部最优的能力。在齿轮系和三杆桁架设计两个实际工程问题上验证了IGOA的实用性和有效性。

主 题 词：瞪羚优化算法 精英反向学习 二阶段非线性惯性权重 柯西扰动 工程问题 

学科分类：08[工学] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.19652/j.cnki.femt.2406042

馆 藏 号：203129424...