.png){kind=icon}
返回
Anolis optimizer: a novel meta-heuristic optimization algorithm
.png){kind=icon}
PRE
AI
DOI：10.1108/EC-01-2025-0030.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目的
本研究旨在介绍一种新颖的群智能优化算法，命名为Anolis Optimizer (ANO)，该算法模拟Anolis蜥蜴在寻找最优领地栖息地位置过程中的行为，从而解决优化问题。
设计/方法/途径
ANO采用三阶段框架。首先，种群动态划分为入侵者（invaders）和防御者（defenders），模拟Anolis的领地意识。其次，领地探索采用探索算子，模仿入侵者的移动方式。最后，领地竞争通过竞争/逃逸算子引入激烈争斗，同时通过喉扇转换（dewlap conversion）和逃逸算子模拟非暴力竞争；未被入侵的防御者进行自由移动建模。
发现
在23个经典测试函数以及CEC 2017、CEC 2021和CEC 2022基准测试套件的评估结果中表明，ANO实现了60.8%的优化率，显著优于10种对比算法中的最佳结果（39.2%）。该算法在解决单峰函数、固定维度多峰函数和混合复合函数方面表现出色，且在后期迭代中逐步增强收敛稳定性，并在工程优化问题中表现突出。
原创性/价值
本研究首创基于Anolis领地行为的竞争算法，建立了一种动态解耦的种群架构，支持实时智能体角色划分，并创新性地开发了多攻击协调机制。此项工作提出了群体智能领域首个由蜥蜴竞争行为驱动的优化范式，克服了现有算法中抽象单模竞争的固有局限性，从而为工程优化问题奠定了新的理论基础。当前源代码可通过以下链接公开获取：https://www.mathworks.com/matlabcentral/fileexchange/181614-anolis-optimizer-ano
Keyword:
Anolis optimizer
Swarm intelligence optimization algorithm
Meta-heuristics algorithm
Optimization problem
期刊
E
IF:
1.9
论文数:
214
被引数:
3.1K
机构
引用论文
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GOOSE algorithm: a powerful optimization tool for real-world engineering challenges and beyondGOOSE算法: 解决实际工程挑战的强大优化工具
PREAI
分享收藏Fick?s Law Algorithm: A physical law-based algorithm for numerical optimization菲克定律算法: 基于物理定律的数值优化算法
PREAI
分享收藏INFO: An efficient optimization algorithm based on weighted mean of vectorsINFO: 一种基于向量加权均值的高效优化算法
PREAI
分享收藏The status-based optimization: Algorithm and comprehensive performance analysis基于状态的最优化：算法与全面的性能分析
PREAI
分享收藏Goat Optimization Algorithm: A Novel Bio-Inspired Metaheuristic for Global Optimization山羊优化算法：一种用于全局优化的新型生物启发式元启发式算法.png)
IF0
PREAI
分享收藏The Fourth-Party Logistics Routing Problem Using Ant Colony System-Improved Grey Wolf Optimization
OAAI
OAAI分享收藏
查看更多内容