Enhanced Chimp Algorithm and Its Application in Optimizing Real-World Data and Engineering Design Problems

Hussam N. Fakhouri

doi:10.3390/computation14010001

Enhanced Chimp Algorithm and Its Application in Optimizing Real-World Data and Engineering Design Problems

2025-12-20

0

OA

AI

DOI：10.3390/computation14010001

原文链接

原文求助

摘要

En 中文

本研究提出了一种增强型黑猩猩优化算法（EChOA），用于解决连续且有约束的数据科学与工程优化问题。EChOA整合了具有jDE风格参数控制的自我适应DE/current-to-pbest/1变异阶段，与经典的四领导ChOA引导相结合，并通过三个轻量级模块增强搜索能力：(i) 围绕当前最优解的莱维飞行精炼，(ii) 定期精英基于对立学习，以及(iii) 防止停滞的部分重启。EChOA与超过35种优化器在CEC2022单目标测试套件（12个函数）上进行了比较。结果表明，EChOA在D=10和D=20两个维度上均达到当前最优水平。在D=10时，它在所有函数上排名第一（平均排名1.00；12/12次获胜），具有最低的目标函数均值和相对于最强竞争者（OMA）的最小离散度。在D=20时，EChOA保持最佳总体排名，并在大多数函数上取得顶尖分数，表明其随问题维度具有稳定的可扩展性。针对完整竞争者集合的配对Wilcoxon符号秩检验（alpha=0.05）证实了EChOA在两个维度上对大多数函数具有统计优势，与综合排名结果一致。种群规模研究表明，在固定迭代预算下，较大种群主要提升可靠性和改进时间，而终端精度相似。四个有约束的工程案例研究（包括焊接梁、螺旋弹簧、压力容器和悬臂阶梯梁）进一步验证了其实用有效性，始终表现出低成本/低重量/低体积和紧密的离散度。

Keyword:

Chimp Optimization Algorithm (ChOA)

constrained engineering design

welded beam design

spring design

pressure vessel design

Enhanced Chimp Algorithm and Its Application in Optimizing Real-World Data and Engineering Design Problems

摘要

期刊

机构

引用论文