摘要：针对标准海鸥算法(SOA)初始种群位置离散分布、迭代过程中求解精度低、收敛速度慢、全局搜索和局部开发能力不协调等缺点,提出了一种基于佳点集映射并融合莱维飞行和自适应游走策略的海鸥优化算法(L-SOA),采用佳点集映射对初始海鸥的分布位置进行扰动,使其产生更优质的初始解,通过随机概率选择莱维飞行和自适应游走策略进行寻优,扩大了海鸥个体在探索区域内的搜索范围,增强了其摆脱局部极值“吸引”的能力,进一步提升了算法后期的收敛性能。论文选取了八个国际通用性能测试函数,从多角度对比了L-SOA与其他优化算法的寻优差异,并通过Wilcoxon秩和检验对算法性能进行了综合评估,结果表明L-SOA算法具有更高的求解精度和更快的收敛速度以及更稳定的鲁棒性,最后将L-SOA应用于压力容器设计优化问题,获得了所有对比算法中的最佳求解结果。