Improved Snake Optimization Algorithm for Global Optimization and Engineering Applications

Kaiyuan Zheng

doi:10.1038/s41598-025-01299-2

2025-05-25

Kaiyuan Zheng

Huiyong Liu *

Li, Bopeng

DOI：10.1038/s41598-025-01299-2

原文链接

原文求助

摘要

En 中文

在工程应用中，许多复杂问题可以表述为数学优化挑战，而高效求解这些问题至关重要。元启发式算法已被证明在解决广泛的工程问题方面具有高度有效性。蛇优化算法（SO）是一种新颖的元启发式方法，应用广泛。然而，SO存在局限性，包括后期搜索效率降低和易于陷入局部最优，从而阻碍了解空间的全面探索。为克服这些问题，本文引入了多策略改进的蛇优化算法（ISO），该算法集成了六项关键策略。首先，采用Sobol序列进行种群初始化，确保均匀分布并增强全局探索能力。其次，RIME算法加速收敛并提高开发能力。透镜反向学习进一步促进探索，避免局部最优。Levy飞行促进大随机步长，平衡探索与精细调整。自适应步长调整根据适应度动态调整步长，优化探索-开发平衡。最后，布朗随机游走引入局部扰动以微调解。这些策略共同提高了收敛速度、稳定性和优化能力，确保了探索与开发之间的有效平衡。ISO的种群分布通过三种均匀性算法进行评估：平均最近邻距离、星形偏差和平方偏差和（SSD）。ISO相较于SO分别提升了63.08%、26.09%和8.88%。其探索-开发平衡和收敛性在30维CEC-2017基准函数上进行了分析。此外，ISO在23个经典基准函数、CEC-2011和CEC-2017基准函数上进行了测试。结果表明，ISO在收敛速度、稳定性和全局优化方面表现更优。此外，ISO成功应用于四个工程领域：无人机路径规划、机器人路径规划、无线传感器网络节点部署和压力容器设计。在所有案例中，ISO均优于SO，具有快速收敛和强鲁棒性，性能分别提升了5.69%、34.61%、20.73%和7.8%，凸显了其在实际应用中的卓越有效性。

Keyword:

Metaheuristic algorithm

Snake optimization algorithm

RIME algorithm

Global optimization

Engineering applications