返回
A high-performance artificial lemming algorithm with multi-strategy synergetic search for complex engineering optimization
DOI:10.1007/s10586-026-06728-z.png)
摘要
En 中文
为解决现代工程优化中日益增长的复杂性和固有的非线性约束,本研究引入了高性能人工旅鼠算法(HPALA)。尽管标准人工旅鼠算法(ALA)为群集协调提供了新颖框架,但其复杂优化景观中的搜索能力可能偶尔因早熟收敛或局部停滞而受阻。本研究将多策略协同搜索机制整合到旅鼠优化框架中,以改善全局探索与局部开发的平衡。HPALA在CEC2017、CEC2019和CEC2022基准套件上的优化性能得到全面评估,显示出与LSHADE_SPACMA和mLSHADE_SPACMA等代表性优化器相比具有竞争力的收敛保真度和数值稳定性。此外,所提算法在四个经典结构工程设计问题(压力容器、三杆桁架、焊接梁和拉压弹簧优化)中的实际适用性得到评估。此外,当应用于复杂的3D多无人机轨迹优化任务时,HPALA在生成平滑且无碰撞的飞行路径方面表现出有前景的性能,且计算效率良好。这些实证结果表明,HPALA可作为解决复杂现实世界工程优化挑战的有效且有前景的工具。
Keyword:
Artificial lemming algorithm
Engineering optimization
Metaheuristic algorithm
3D path planning
Multi-strategy synergistic search
期刊
IF:
2.9
论文数:
279
被引数:
1.1K
机构
暂无机构信息
引用论文
Modified LSHADE-SPACMA with new mutation strategy and external archive mechanism for numerical optimization and point cloud registration改进的LSHADE-SPACMA算法,结合新的变异策略和外部档案机制,用于数值优化和点云配准
Opposition and reinforcement learning growth-starfish optimization algorithm for engineering design and feature selection用于工程设计和特征选择的反对和强化学习增长-海星优化算法
MCPSFOA: Multi-Strategy Enhanced Crested Porcupine-Starfish Optimization Algorithm for Global Optimization and Engineering DesignMCPSFOA: 多策略增强的刺猬-海星优化算法用于全局优化和工程设计
Artificial lemming algorithm: a novel bionic meta-heuristic technique for solving real-world engineering optimization problems人工旅鼠算法:一种用于解决现实世界工程优化问题的创新仿生元启发式技术
Multiobjective nondominated neighbor coevolutionary algorithm with elite population
SOFT COMPUTING
IF2.5

