.png){kind=icon}
返回
MAROAOA: A joint opposite selection-based arithmetic artificial rabbits optimization algorithm for solving engineering problems
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-025-05269-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人工兔子优化算法（ARO）和算术优化算法（AOA）是两种近期提出的元启发式技术，已在各类优化任务中展现出显著潜力。尽管ARO表现出良好的优化性能，但其局部开发能力不足导致在处理复杂优化挑战时收敛速度慢、种群多样性差以及早熟收敛。而AOA虽具备有效的局部搜索能力，但全局探索相对较弱，易陷入局部最优。为解决这些局限性，本研究提出了一种基于联合对立选择的算术人工兔子优化算法（MAROAOA），旨在为复杂全局优化问题提供更高质量的解。首先，通过随机切换混合算子整合了ARO和AOA的数学框架，确保了稳健的探索与开发能力。其次，在初始化阶段引入Lévy飞行以增强种群多样性，这有助于加速收敛并拓宽搜索空间。最后，采用联合对立选择（JOS）策略进一步平衡探索与开发，从而降低陷入局部最优的风险。为验证MAROAOA的有效性，将所提方法与几种先进的元启发式算法及其改进版本在IEEE CEC2017和CEC2019测试套件上进行比较。统计结果表明，在大多数测试案例中，MAROAOA在解精度、收敛速度和稳定性方面均优于其他竞争方法。具体而言，MAROAOA在两个测试套件上分别取得了1.4828和1.5000的最低Friedman平均排名，证实了其优异的综合优化性能。此外，通过求解五个约束工程设计与光伏（PV）系统的参数识别问题验证了MAROAOA的适用性，凸显了其在实际优化应用中的良好潜力。
Keyword:
Artificial rabbits optimization
Arithmetic optimization algorithm
Lévy flight
Joint opposite selection
Engineering optimization
期刊
C
IF:
0
论文数:
691
被引数:
1
机构
引用论文
.png){kind=icon}
U-AEFA: Online and offline learning-based unified artificial electric field algorithm for real parameter optimizationU-aefa: 基于在线和离线学习的统一人工电场算法，用于实际参数优化
PREAI
分享收藏A Surrogate-Assisted Evolutionary Algorithm for Seeking Multiple Solutions of Expensive Multimodal Optimization Problems一种代理辅助的进化算法，用于寻找昂贵的多峰优化问题的多个解
PREAI
分享收藏An Improved Hybrid Swarm Intelligence for Scheduling IoT Application Tasks in the Cloud一种改进的混合群智能在云中调度物联网应用任务
PREAI
分享收藏CMPSO: A novel co-evolutionary multigroup particle swarm optimization for multi-mission UAVs path planningCMPSO: 一种用于多任务无人机航迹规划的协同进化多种群粒子群算法
PREAI
分享收藏LMRAOA: An improved arithmetic optimization algorithm with multi-leader and high-speed jumping based on opposition-based learning solving engineering and numerical problemsLMRAOA: 基于反向学习求解工程和数值问题的改进的多领导者高速跳跃算术优化算法
PREAI
分享收藏
查看更多内容