.png){kind=icon}
返回
A new quantum differential squirrel search algorithm for global optimization problem
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-025-05571-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
复杂优化问题通常是多模态、高维、不可微且涉及非线性交互，这使得它们难以求解。尽管已开发出许多元启发式算法，但它们常因探索能力不足和陷入局部最优而难以应对。为解决此局限，本文提出了一种新颖的混合量子差分松鼠搜索算法（QDSSA），该算法基于差分松鼠搜索算法（DSSA）和量子行为粒子群优化算法（QPSO）。松鼠搜索算法（SSA）是一种模拟飞鼠觅食行为的算法，而DSSA是其改进版本之一。尽管DSSA修改了松鼠搜索算法的天气监测机制以引入交叉算子，但仍面临随机性过大的挑战。通过整合QPSO算法以增强全局搜索能力，并引入水平垂直交叉策略以加速收敛速度。该方法采用CEC2017和CEC2022测试套件进行评估，并与其他元启发式及当前最优算法进行比较。通过Wilcoxon秩和检验及Friedman检验，确定QDSSA在CEC2022所有维度测试中均排名第一，在CEC2017的10、30和50维测试中分别排名第三、第二和第一。此外，QDSSA在三个实际约束工程优化问题中表现出更优性能。进一步地，QDSSA应用于奇异摄动反问题及五参数非线性Muskingum模型参数估计问题，并提供数值结果以说明其有效性。该方法的灵活性和鲁棒性使其适用于广泛的参数估计问题。
Keyword:
Quantum Differential Squirrel Search Algorithm
Horizontal vertical crossover strategy
Optimization problem
期刊
C
IF:
0
论文数:
691
被引数:
1
机构
引用论文
Momentum search algorithm: a new meta-heuristic optimization algorithm inspired by momentum conservation law动量搜索算法: 一种受动量守恒定律启发的新的元启发式优化算法
OAAI
.png){kind=icon}
OAAI分享收藏HWMWOA: A Hybrid WMA–WOA Algorithm with Adaptive Cauchy Mutation for Global Optimization and Data ClassificationHWMWOA: 具有自适应柯西变异的混合wma-woa算法，用于全局优化和数据分类
PREAI
分享收藏Electric eel foraging optimization: A new bio-inspired optimizer for engineering applications电鳗鱼觅食优化: 一种用于工程应用的新型生物启发优化器
PREAI
分享收藏
查看更多内容