.png){kind=icon}
返回
A Novel Hybrid Differential Evolution-based Hiking Optimization Algorithm
.png){kind=icon}
PRE
AI
DOI：.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
徒步优化算法（HOA）是一种受徒步启发的算法。针对原始徒步优化算法易于陷入局部最优和复杂优化问题收敛精度有限的缺点，基于徒步优化算法的性能提升，提出了一种混合差分进化徒步优化算法，称为DEHOA。首先，通过引入差分进化交叉算子，将徒步优化算法与差分进化的交叉思想深度融合。候选解由差分向量生成并进行维度交叉，显著增强了种群多样性和搜索能力。其次，设计了一种种群信息交互优化的双策略并行搜索，以平衡探索与开发。同时，维持了原始算法的更新机制和交叉生成的新解，并通过贪心策略选择保留最优解。最后，根据不同迭代阶段的需求，引入自适应边界处理函数，确保所有越界值被强制约束在上下界内，以避免无效解的产生。三种策略协同作用，有效提升了算法的全局探索能力和局部收敛性能。此外，为验证DEHOA算法的优化性能，将其与四种先进的元启发式算法在CEC2022测试函数上进行比较。实验表明，新算法在多组基准测试函数上展现出更高的优化精度和效率，为复杂优化场景提供了更具竞争力的解决方案。
Keyword:
hiking optimization algorithm
differential evolution crossover operator
double guided greedy strategy
adaptive boundary function degrees-of-freedom
