.png){kind=icon}
返回
Modified starfish optimization algorithm based on pheromone attraction strategy and its engineering application
.png){kind=icon}
PRE
AI
DOI：10.1007/s11227-025-08042-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
海星优化算法（SFOA）是一种2024年提出的新型元启发式算法，其灵感来源于海星的探索、捕食和再生行为。尽管该算法在优化任务中表现出良好的性能，但仍面临后期局部最优陷阱和早熟收敛等问题。为解决此问题，本研究设计了一种改进的海星优化算法（MSFOA）。首先，提出了一种基于自然信息素扩散的新型元启发式算法改进策略，即信息素吸引策略。其次，改进了原算法的扭转角机制，并引入惯性因子以修正越界行为机制。第三，采用贪婪逐维更新策略优化位置更新过程。最后，引入反向学习阶段，使最差个体经历反向学习，同时剩余个体以一定概率采用该策略。通过33个测试函数验证了算法的有效性。此外，采用Wilcoxon秩和检验（含平局处理）、Cliff’s Delta效应量分析、95%置信区间分析、多重检验校正和Friedman统计检验等统计方法，将该算法与六种知名元启发式算法进行比较分析。结果表明，MSFOA在两组测试函数中均排名第一，展现出卓越的优化能力。MSFOA在解决三个约束工程优化问题时也表现出色，进一步证实了其在实际应用中的显著有效性。然而，在使用MSFOA进行深度神经网络调优时，普通计算机上的运行时间较长，因此引入高性能计算平台以解决此问题并最大化算法的有效性。综上所述，MSFOA有效提升了原算法的性能，并具有优异的实际应用价值。
Keyword:
Starfish optimization algorithm
Pheromone attraction
Twisted angle
Greedy dimension-by-dimension update
Reverse learning
期刊
T
IF:
0
论文数:
647
被引数:
0
机构
引用论文
Catch fish optimization algorithm: a new human behavior algorithm for solving clustering problems
PREAI
分享收藏Polar lights optimizer: Algorithm and applications in image segmentation and feature selection极光优化器: 算法及其在图像分割和特征选择中的应用.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏Recent studies on optimisation method of Grey Wolf Optimiser (GWO): a review (2014-2017)灰狼优化器 (GWO) 优化方法研究进展 (2014-2017)
PREAI
分享收藏分享收藏Wilcoxon-Mann-Whitney odds ratio: A statistical measure for ordinal outcomes such as EDSSWilcoxon-Mann-Whitney优势比：用于有序结局（如EDSS）的统计量
PREAI
分享收藏
查看更多内容