.png){kind=icon}
返回
A multi-strategy improved manta ray foraging optimization for engineering applications
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-025-05140-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
蝠鲼觅食优化算法（MRFO）借鉴了蝠鲼的觅食行为，已在各个领域获得了广泛应用。然而，MRFO通常存在收敛速度慢且易陷入局部最优的问题。为解决这些问题，本文提出了一种多策略增强型蝠鲼觅食优化算法（MLMRFO）。MLMRFO将动态翻滚因子、具有改进记忆的多领导者机制以及拉普拉斯交叉算子融入原始MRFO框架。动态翻滚因子在迭代过程中有效平衡了探索与开发，缓解了早熟和收敛缓慢问题。此外，具有改进记忆的多领导者机制和拉普拉斯交叉算子可防止算法陷入局部最优。本文采用消融实验评估了每种策略对MRFO优化能力的影响。实验结果表明，所有采用的策略均提升了MRFO的性能，且三种策略协同作用时效果最为显著。进一步地，MLMRFO与四种流行优化算法及两种MRFO变体在CEC2017测试套件和四个工程优化问题（包括首次将MRFO变体应用于服务质量感知的制造云服务组合QoS-MCSC问题）上进行了比较。实验结果证实了MLMRFO在数值优化与工程优化问题中均表现出更优的性能。
期刊
C
IF:
0
论文数:
691
被引数:
1
机构
引用论文
A Surrogate-Assisted Evolutionary Algorithm for Seeking Multiple Solutions of Expensive Multimodal Optimization Problems一种代理辅助的进化算法，用于寻找昂贵的多峰优化问题的多个解
.png){kind=icon}
PREAI
分享收藏分享收藏
A vector linear programming approach for certain global optimization problems一种针对某些全局优化问题的向量线性规划方法
PREAI
分享收藏LSHADE with semi-parameter adaptation hybrid with CMA-ES for solving CEC 2017 benchmark problems
PREAI
分享收藏Improved multi-strategy adaptive Grey Wolf Optimization for practical engineering applications and high-dimensional problem solving用于实际工程应用和高维问题求解的改进多策略自适应灰狼优化
OAAI
OAAI分享收藏A practical tutorial on the use of nonparametric statistical tests as a methodology for comparing evolutionary and swarm intelligence algorithms关于使用非参数统计检验作为比较进化和群体智能算法的方法的实用教程
PREAI
分享收藏
查看更多内容