.png){kind=icon}
返回
A Multi-Strategy Improved Catch Fish Optimization Algorithm for Microgrid Scheduling Optimization and Real-World Engineering Applications
.png){kind=icon}
OA
AI
DOI：10.3390/math14081342.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
复杂工程优化问题通常具有高维性、多模态和强约束等特征，对传统群智能算法的收敛速度、解精度和鲁棒性构成显著挑战。近期提出的基于群智能的元启发式算法——捕鱼优化算法（CFOA）展现出良好的全局搜索能力；然而，其在搜索方向稳定性、精英解利用以及优化后期阶段的开发性能方面仍存在不足。为解决这些局限性，本文提出了一种改进的捕鱼优化算法，命名为精英驱动强化捕鱼优化算法（EDR-CFOA）。基于原始CFOA框架，EDR-CFOA融合了三种互补的基于精英的增强策略：精英增强搜索策略、精英差分进化策略和精英随机局部搜索策略。通过多级精英引导机制，这些策略协同提升搜索方向可靠性、强化解空间重组并增强对高质量解的精细开发，从而显著提升算法的整体优化性能。所提EDR-CFOA在CEC2020和CEC2022基准测试套件下10维和20维设置下进行了系统评估，并与八种经典及最新高性能元启发式算法进行比较。Friedman平均排名结果证实，EDR-CFOA在所有四种测试场景中均获得最低平均排名（CEC2020：10D为1.30，20D为2.20；CEC2022：10D为1.17，20D为1.08），总体排名始终位列第一，显著优于竞争算法。此外，Wilcoxon秩和检验证实EDR-CFOA在大多数基准函数上表现出统计显著的优势。此外，EDR-CFOA应用于并网微电网经济最优调度问题及若干典型约束工程设计问题，实验结果验证了其可行性、鲁棒性和实际工程适用性。全面的数值实验和实际工程案例研究表明，EDR-CFOA是一种高效群智能算法，具有高解精度、强稳定性和优异泛化能力，非常适合解决复杂工程优化问题。
Keyword:
catch fish optimization algorithm
elite-driven strategy
swarm intelligence
microgrid scheduling
engineering optimization
期刊
IF:
2.2
论文数:
3.1K
被引数:
3.6W
机构
引用论文
Catch fish optimization algorithm: a new human behavior algorithm for solving clustering problems
PREAI
分享收藏IECO: an improved educational competition optimizer for state-of-the-art engineering optimizationIECO：一种改进的教育竞赛优化器，用于最先进的工程优化.png)
Journal of Big Data
OAAI
Journal of Big DataIF6.4
OAAI分享收藏分享收藏Secretary bird optimization algorithm: a new metaheuristic for solving global optimization problems秘书鸟优化算法: 解决全局优化问题的一种新的元启发式算法OAAI
OAAI分享收藏Electromagnetic wave propagation algorithm: A novel electromagnetic wave propagation-inspired optimizer for engineering applications电磁波传播算法：一种受电磁波传播启发的工程应用优化器
PREAI
分享收藏Farthest better or nearest worse optimizer: a novel metaheuristic algorithm最远更好或最近更差优化器：一种新型元启发式算法OAAI
OAAI分享收藏
查看更多内容