Fourier transform optimizer: A novel physics-inspired metaheuristic algorithm for optimization problems

doi:10.1016/j.knosys.2026.115651

Fourier transform optimizer: A novel physics-inspired metaheuristic algorithm for optimization problems

2026-03-02

0

PRE

AI

DOI：10.1016/j.knosys.2026.115651

原文链接

原文求助

摘要

En 中文

现代智能系统的快速进步导致各领域出现了日益复杂的优化问题。虽然元启发式算法已展现出显著有效性，但包括早熟收敛、探索不足及高维或非凸搜索空间中性能退化等持续挑战，仍限制其鲁棒性。为缓解这些问题，本文引入傅里叶变换优化器（FTO），一种通过离散傅里叶变换（DFT）融入频域分析的元启发式框架。所提方法使解更新由基于频域的变换驱动，旨在实现更有效的探索与开发平衡。FTO整合了多种增强机制，包括微分频率混合、莱维飞行扰动、正交学习（OL）及龙格-库塔（RK）启发式更新策略，以改善搜索动态。FTO的性能通过CEC2017和CEC2022基准测试套件进行评估。实验结果表明，在广泛测试函数中，FTO相较于传统优化算法具有竞争力。此外，该优化器在多个工程设计问题和医学数据驱动特征选择任务中得到验证，表现出稳定可靠的行为。这些结果提示，频域引导搜索是解决复杂优化问题的有前景策略。FTO算法的MATLAB源代码可获取于：https://www.mathworks.com/matlabcentral/fileexchange/181955-fourier-transform-optimizer-fto

Keyword:

Fourier Transform Optimizer

metaheuristic algorithm

frequency-domain analysis

optimization problems

differential frequency mixing

Fourier transform optimizer: A novel physics-inspired metaheuristic algorithm for optimization problems

摘要

期刊

机构

引用论文