基于PWLCM和秃鹰俯冲机制改进的野狗优化算法OACSTPCD

针对野狗优化算法(Dingo Optimization Algorithm,DOA)收敛速度偏慢和寻优精度较低等问题,提出一种基于PWLCM和秃鹰机制改进的野狗优化算法(Improved Dingo Optimization Algorithm,IDOA)。首先,使用具有遍历性的分段线性混沌映射(Piecewise Linear Chaotic Map,PWLCM)初始化野狗种群,有效增加野狗种群多样性。其次,在迫害策略中引入秃鹰俯冲机制,加快野狗捕获猎物的速度,加强算法探索局部的能力。最后,在食腐策略引入螺旋搜索因子,增强算法的局部寻优能力,提升算法的寻优速度和求解精度。仿真实验数据、消融实验以及Wilcoxon秩和检验均表明,与其他对比算法相比,提出的IDOA在所有测试函数上有着更佳的寻优速度以及寻优精度;与其他改进的野狗优化算法相比,所提出的IDOA展现出更好的整体性能。