.png){kind=icon}
返回
Improved dwarf mongoose optimization algorithm based on hybrid strategy for global optimization and engineering problems
.png){kind=icon}
PRE
AI
DOI：10.1007/s11227-025-06931-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
低矮獴优化算法是一种用于解决单目标优化问题的元启发式方法。然而，DMO存在一定的局限性，包括收敛速度慢以及易于陷入局部最优解的倾向，特别是在应用于多模态和组合问题时。本文提出了一种DMO的改进版本，称为HDMO，该算法基于混合策略。首先，引入正弦混沌映射函数以增强初始种群的多样性。其次，研究通过整合非线性控制、自适应参数调整、混合变异策略以及改进的探索-开发机制来提升算法性能。为评估所提出的HDMO的性能，我们在CEC2017、CEC2020和CEC2022基准问题上进行了测试，并选取了CEC2020真实世界优化套件中的19个工程设计问题。HDMO算法与多种算法进行了比较，包括：(1) 高度引用的算法，如PSO、GWO、WOA和SSA；(2) 近期提出的先进算法，即BOA、GBO、HHO、SMA和STOA；(3) 高性能算法，如LSHADE和LSHADE_SPACMA。实验结果表明，与其他算法相比，HDMO展现出更优的收敛速度和精度。Wilcoxon秩和检验统计量证实了HDMO性能的显著提升，并凸显其在实际工程优化和设计问题中的潜力。
Keyword:
Metaheuristics
Dwarf mongoose optimization algorithm
Chaos theory
Engineering design problems