|国家科技期刊平台
首页|期刊导航|计算机应用研究|结合精英初始化和K近邻的蛇优化算法

结合精英初始化和K近邻的蛇优化算法OA北大核心CSTPCD

中文摘要

蛇优化算法(SO)是一种受自然界中蛇生存行为启发产生的元启发式优化算法。原始蛇优化算法存在收敛速度慢、易陷入局部最优的问题,因此提出了一种结合精英初始化和K近邻的改进蛇优化算法(elite initia-lization and K-nearest neighbors improved snake optimizer,EKISO)。首先,为了提高初始种群质量,在种群初始化阶段提出精英初始化的方法,根据种群精英个体产生优质初始种群个体;其次,通过振荡因子优化螺旋觅食策略扩大全局勘探阶段的搜索范围、提高算法的局部逃逸能力;最后,在局部开发阶段提出K近邻思想的位置更新方法,增强种群个体之间的信息交互能力,从而加快收敛速度、提高收敛精度。利用14个经典测试函数和4个CEC2017测试函数将该方法与其他7种优化算法进行对比,证明EKISO收敛速度更快、精度更高且不易陷入局部最优。为了进一步验证EKISO的实用性与可行性,将EKISO应用于压力容器设计问题中,通过实验对比分析可知,EKISO在处理实际优化问题上具有一定的优越性。

王丽娟;刘姝含;王剑;田亚旗;

华北水利水电大学电气工程学院,郑州450045华中科技大学人工智能与自动化学院,武汉430074

计算机与自动化

蛇优化算法精英初始化K近邻振荡因子工程优化

《计算机应用研究》 2024 (009)

P.2712-2721 / 10

国家自然科学基金面上项目(72071084);河南省教育厅高等学校重点科研项目(22A120008)。

10.19734/j.issn.1001-3695.2024.01.0019

评论