融合组织P系统的自适应t分布蜣螂算法

作     者：许家昌 江琳 苏树智 XU Jiachang;JIANG Lin;SU Shuzhi

作者机构：安徽理工大学第一附属医院(淮南市第一人民医院)安徽淮南232001 安徽理工大学计算机科学与工程学院安徽淮南232001 

基　　金：安徽理工大学医学专项培育项目(YZ2023H2B008,YZ2023H2A007) 南方林业与生态应用技术国家工程实验室开放基金项目(2023NFLY08) 国家自然科学基金面上项目(52374155) 安徽省自然科学基金面上项目(2308085MF218) 安徽省高等学校自然科学研究基金重大项目(2022AH040113) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2025年第61卷第4期

页      码：99-113页

摘      要：针对原始蜣螂算法(dung beetle optimizer,DBO)易受自身影响,导致局部搜索和全局搜索不平衡,容易陷入局部最优的问题,提出一种结合组织膜的自适应t分布蜣螂算法(adaptive t-distribution DBO with tissue-like membrane,MC-TDBO)。设计自适应惯性因子改变繁育蜣螂和小偷蜣螂的步长,动态调节蜣螂个体的探索幅度,协调并优化算法的全局搜索和局部开发能力;引入鲸鱼算法改进觅食行为,促使种群向最优位置靠近,提高算法的计算精度;结合成功率和自适应t分布,提升算法跳出局部最优的能力;引入组织P系统与改进后的DBO算法结合,增强算法收敛效率。采用14个基准函数进行仿真测试,实验结果表明,MC-TDBO算法和原始DBO算法等四种算法相比,寻优速度、求解精度和稳定性均得到了显著提升。将MC-TDBO算法在阈值分割中进行应用测试,进一步验证其有效性。

主 题 词：组织P系统 蜣螂算法 自适应t分布 动态惯性权重 

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

D　O　I：10.3778/j.issn.1002-8331.2405-0018

馆 藏 号：203157300...