arrow
返回

Multi-strategy barrel theory-based optimizer for global optimization and engineering problems

delete2026-08-24
delete0
PRE
AI
Y
Yuanhao Jiang *
D
Deang Su
J
Jiaming Li
Z
Zhuozheng Mei
S
Shiheng Ma
C
Chuhang Chen
Y
Ye Lin
DOI:10.1007/s11227-026-08800-2delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
尽管基于桶理论的优化器(BTO)提出了新颖的优化框架,但它常面临种群多样性停滞、全局探索不足和易早熟收敛等问题。为解决这些问题,本文提出了一种改进的基于桶理论的优化器(IBTO)算法,融合了三项策略性改进:Tent混沌初始化以增强种群分布、改进的差分进化策略以强化全局搜索,以及自适应高斯–Lévy循环扰动机制以提升跳出局部最优的能力。高性能计算是支持其计算强度的必要条件。IBTO的性能在CEC2017和CEC2022基准测试套件以及五个约束工程设计问题上进行了评估。实验结果表明,IBTO具有卓越的竞争力与良好的统计性能,尤其在高维任务中表现突出。此外,工程设计案例的结果进一步凸显了所提方法的鲁棒性和显著的实践潜力。
Keyword:
Barrel theory-based optimizer
Tent chaotic initialization
Improved differential evolution
Adaptive Gaussian–Lévy cyclic perturbation

期刊

Journal of Supercomputing 封面图
Journal of Supercomputing
IF:
2.7
论文数:
1.2K
被引数:
1.0W

机构

S
School of Computer Science and Technology
学者数:
1.5K
论文数: 566
被引数: 0
引用论文

引用论文

Grey Wolf Optimizer灰狼优化器
err2014-03-01
err1.3W
PREAI
errMirjalili, Seyedali; Mirjalili, Seyed Mohammad; Lewis, Andrew
err分享
err收藏
err分享
err收藏
学者 查看更多内容