A novel metaheuristic algorithm using structured population and virtual particles

doi:10.1007/s11227-025-07194-x

2025-04-22

PRE

Erik Cuevas *

Óscar A. González-Sánchez

Noé Delgado-Castañeda

Daniel Zaldívar

Alma Rodríguez-Vázquez

DOI：10.1007/s11227-025-07194-x

原文链接

原文求助

摘要

En 中文

传统元启发式算法通常依赖于无结构和固定种群，忽视了解的记忆，并以传统形式处理候选解。这些局限性可能导致搜索过程效率低下，例如重复访问低质量区域并降低探索灵活性。本文介绍了一种名为结构化种群算法（SPA）的新型元启发式算法，通过整合结构化种群、解列表和虚拟粒子来增强搜索过程，以应对这些挑战。SPA首先初始化一组代表搜索空间位置但不直接对应解的虚拟粒子。每个虚拟粒子在其定义的邻域内生成解子集，这些解根据其来源粒子进行分组。算法通过迭代操作，从每组中选择前三个解形成局部三角形，并计算这些三角形的质心作为枢轴点。随后，识别所有局部三角形的前三个枢轴点以构建全局三角形。基于此信息，推导出全局质心以引导虚拟粒子的移动，表现最差的粒子向相反方向移动以增强探索。更新后的粒子在其邻域内生成新解，通过迭代优化种群直至收敛。该算法的性能通过偏移测试函数进行验证，这些函数旨在评估中心偏置倾向，结果表明其具有竞争力，解质量更优、收敛速度更快，并能有效处理中心偏置限制。

Keyword:

Metaheuristic algorithms

Structured population

Virtual particles

Optimization

Simplex

Center-biased operators