A Multistrategy Improved Archimedes Optimization Algorithm for Solving Engineering Problems

Xiaoping Xu

doi:10.1155/jom/5270583

A Multistrategy Improved Archimedes Optimization Algorithm for Solving Engineering Problems

2026-01-01

0

OA

AI

DOI：10.1155/jom/5270583

原文链接

查看原文

摘要

En 中文

鉴于阿基米德优化算法（AOA）的不足，传统AOA存在以下局限性：初始化阶段采用0-1均匀随机数分布生成序列，导致初始解多样性有限；原始密度因子随迭代逐渐趋近于零，易陷入局部最优；算法在开发或探索过程中过度依赖转移函数（TF）算子进行决策，常导致收敛精度不佳。本文提出一种多策略改进的AOA，命名为SSAOA，引入Sobol序列和Sigmoid函数。首先，利用Sobol序列生成初始种群，为后续优化提供更优的起始解；其次，采用Sigmoid函数重构密度因子，增强种群位置更新强度；最后，引入透镜成像反向学习技术扰动新个体位置，以帮助跳出局部最优。通过在16个基准测试函数和8个CEC2022测试函数上的仿真评估SSAOA性能，Wilcoxon秩和检验证实SSAOA显著优于对比算法。在16个基准函数中，与AOA、AOA1、AOA2和AOA3相比，SSAOA在10个函数的平均值、最优值和最差值均达到最佳结果0，表明改进策略的有效性。此外，SSAOA应用于4个工程案例及带取货与配送的旅行商问题，进一步验证了其适用性与有效性。

Keyword:

Archimedes optimization algorithm

lens imaging reverse learning

sigmoid function

Sobol sequence

A Multistrategy Improved Archimedes Optimization Algorithm for Solving Engineering Problems

摘要

AI总结

期刊

机构