.png){kind=icon}
返回
Adaptive walrus optimization algorithm for unmanned aerial vehicle path planning and engineering optimization problems
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-025-05121-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究探讨了海象优化算法（WOA）中存在的问题，并提出了一种改进算法，即自适应海象优化算法（AWaOA）。改进措施包括：引入Logistic混沌种群初始化以增强探索能力，采用自适应Levy飞行策略以提高收敛精度，利用自适应差分进化算法的交叉策略提升整体种群质量，以及引入Cauchy变异策略以降低陷入局部最优的风险。为评估该算法的有效性，实验在CEC 2017和CEC 2020基准函数上进行，在CEC 2017中，30维、50维和100维案例分别排名第22、23和22位，并在CEC 2020中取得五项最佳性能。结果表明，AWaOA优于WOA和其他算法，Wilcoxon秩和检验结果证实其在解质量、收敛速度和稳定性方面具有更优表现。此外，该算法已应用于解决四个约束工程优化设计挑战以及无人机（UAVs）路径规划问题。实验结果一致显示，AWaOA超越其他对比算法，表明其出色的整体性能和可扩展性，并凸显其在实际工程优化问题中的显著潜力。
Keyword:
Metaheuristic algorithms
Walrus optimization algorithm
Exploration and exploitation
Unmanned aerial vehicle path planning
Engineering optimization design
期刊
C
IF:
0
论文数:
691
被引数:
1
机构
引用论文
Moth-flame optimization algorithm: A novel nature-inspired heuristic paradigm蛾焰优化算法: 一种新的自然启发启发式范式
PREAI
分享收藏Chameleon Swarm Algorithm: A bio-inspired optimizer for solving engineering design problems变色龙群算法: 解决工程设计问题的生物启发优化器
PREAI
分享收藏
分享收藏On Wilcoxon rank sum test for condition monitoring and fault detection of wind turbinesWilcoxon秩和检验在风力发电机状态监测和故障检测中的应用.png)
APPLIED ENERGY
OAAI
APPLIED ENERGYIF11
OAAI分享收藏分享收藏Improving the search performance of SHADE using linear population size reduction使用线性种群大小减小来改善SHADE的搜索性能OAAI
OAAI分享收藏
查看更多内容