.png){kind=icon}
返回
An enhanced dung beetle optimization algorithm with adaptive strategies for solving complex problems
.png){kind=icon}
PRE
AI
DOI：10.1007/s00521-025-11720-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
dung beetle optimization algorithm (DBO) 具有强优化能力和快速收敛特性。然而，与许多群智能算法类似，DBO 在后期优化阶段存在收敛精度降低和易陷入局部最优的局限性。为解决这些问题，本文提出一种改进的 DBO 变体 OMDBO，该算法融合了鱼鹰算法原理和多元策略框架。OMDBO 采用分段线性混沌映射进行种群初始化，以实现个体分布的更广泛分散。在滚动阶段，OMDBO 引入鱼鹰算法的探索策略，以增强全局搜索能力，从而降低参数依赖并加速收敛。为优化搜索动态，OMDBO 实施了甲虫比例的动态调整机制，并细化了收敛因子的平衡，优先进行早期探索，随后转向加强局部开发。此外，为避免局部最优，OMDBO 普遍应用自适应双相柯西-高斯变异算子。通过与六种经典群智能算法在 54 个测试函数（CEC2005、CEC2017、CEC2022）和五个工程问题上的严格基准测试，OMDBO 在 49 个基准函数（90.74%）中表现更优，并在所有五个实际应用中获得了最优解。实验结果表明，OMDBO 在收敛速度和优化精度方面均有显著提升，验证了其作为优化工具的有效性和普适性。
Keyword:
Piecewise linear chaotic map
Exploration strategy
Dynamic proportion adjustment
Adaptive dual-phase Cauchy-Gaussian mutation tactic
期刊
IF:
4.5
论文数:
953
被引数:
3.2W
机构
引用论文
Osprey optimization algorithm: A new bio-inspired metaheuristic algorithm for solving engineering optimization problemsOsprey优化算法: 一种新的生物启发的元启发式算法，用于解决工程优化问题
OAAI
OAAI分享收藏
分享收藏A Multi-Strategy Dung Beetle Optimization Algorithm for Optimizing Constrained Engineering Problems用于优化约束工程问题的多策略粪甲虫优化算法.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏A dual-optimization wind speed forecasting model based on deep learning and improved dung beetle optimization algorithmENERGY
ENERGYIF9.4
PREAI
分享收藏
查看更多内容