.png){kind=icon}
返回
Improved Multi-Strategy Aquila Optimizer for Engineering Optimization Problems
.png){kind=icon}
OA
AI
DOI：10.3390/biomimetics10090620.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
Aquila Optimizer（AO）是一种受Aquila捕猎和搜索行为启发的新型高效优化算法。然而，由于搜索能力不足且存在过早收敛于局部最优解的倾向，AO在处理高维和复杂优化问题时面临局限性，这限制了其整体性能。为应对这些挑战，本研究通过整合多种增强技术，提出了Multi-Strategy Aquila Optimizer（MSAO）。首先，MSAO引入了随机子维度更新机制，显著提升了其在高维空间中的探索能力。其次，它融合了Dream Optimization Algorithm（DOA）的记忆策略和梦境共享策略，从而在全局探索与局部开发之间实现了平衡。此外，MSAO采用自适应参数和动态对立学习来进一步优化AO原有的更新规则，使其更适用于多策略协作框架。实验中，MSAO超越了包括CEC获奖算法和增强型AO变体在内的八种当前最优算法，在基准函数测试中分别有55%、69%、69%和72%的函数取得了最佳优化结果，展示了其卓越性能。此外，消融实验验证了各提出策略的独立贡献，而将MSAO应用于五个工程问题则证实了其强大的实践价值及更广泛应用潜力。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
B
IF:
3.9
论文数:
3.3K
被引数:
5.1K
机构
暂无机构信息
引用论文
A Systematic Literature Review of Adaptive Parameter Control Methods for Evolutionary Algorithms
PREAI
分享收藏A modified white shark optimizer for optimizing photovoltaic, wind turbines, biomass, and hydrogen storage hybrid systems一种改进的白鲨优化算法，用于优化光伏、风力涡轮机、生物质和氢储能混合系统
PREAI
分享收藏The Differentiated Creative Search (DCS): Leveraging differentiated knowledge-acquisition and creative realism to address complex optimization problems差异化创意搜索 (DCS): 利用差异化知识获取和创意现实性来解决复杂的优化问题
PREAI
分享收藏分享收藏Research on Microgrid Optimal Dispatching Based on a Multi-Strategy Optimization of Slime Mould Algorithm基于多策略优化煤泥霉算法的微电网优化调度研究.png)
BIOMIMETICSOAAI
BIOMIMETICSIF3.9
OAAI分享收藏分享收藏Development of Random Walks Strategy-Based Dandelion Optimizer and Its Application to Engineering Design ProblemsIEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容