.png){kind=icon}
返回
Adams-Bashforth-Moulton optimizer: a novel metaheuristic algorithm for solving engineering optimization problems
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-025-05508-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种用于解决工程优化问题的新型元启发式算法，称为Adams-Bashforth-Moulton Optimizer（ABMO）。该算法受Adams-Bashforth-Moulton方法的启发，这是一种用于求解微分方程的数值技术，通过预测-校正两步过程结合显式（Adams-Bashforth）和隐式（Adams-Moulton）方法的优点，以提高精度和稳定性。尽管现有元启发式算法取得了成功，但许多算法存在早熟收敛、探索-开发平衡性差和计算成本高等局限性，尤其在大型复杂优化问题中更为突出。为解决这些挑战，ABMO引入了一种独特的预测-校正机制，动态平衡探索与开发，确保更快收敛和更高解精度，同时保持计算效率。我们基于Adams-Bashforth-Moulton四步预测-校正方法建立了ABMO的数学模型。为验证ABMO的性能，首先通过收敛行为实验进行定性分析。然后，将ABMO与11种最新算法在CEC2017和CEC2022基准测试套件上进行比较。结果表明，在CEC2017（30/50/100维）和CEC2022（10/20维）中，ABMO分别以91%、92%、96%、67%和80%的优势超越其他对比算法，在解质量和收敛速度方面均排名第一。Wilcoxon秩和检验与Friedman检验等统计测试进一步证实了ABMO的优越性。最后，将ABMO应用于解决九类多约束工程设计问题及光伏系统核心参数提取。结果表明，ABMO能比现有优化器更快地找到更优解，展现了其在解决实际优化问题中的巨大潜力。
Keyword:
Metaheuristic algorithm
Adams-Bashforth-Moulton optimizer
Engineering design problems
Photovoltaic systems
Core parameter extraction
期刊
C
IF:
0
论文数:
691
被引数:
1
机构
引用论文
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
.png){kind=icon}
PREAI
分享收藏分享收藏Multi-Verse Optimizer: a nature-inspired algorithm for global optimization多宇宙优化器: 一种自然启发的全局优化算法
PREAI
分享收藏Extracting accurate parameters of photovoltaic cell models via elite learning adaptive differential evolution基于elite学习自适应差分进化算法的光伏电池模型精确参数提取
PREAI
分享收藏
查看更多内容