返回
Multi-strategy barrel theory-based optimizer for global optimization and engineering problems
DOI:10.1007/s11227-026-08800-2.png)
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
IF:
2.7
论文数:
1.2K
被引数:
1.0W
机构
引用论文
Enhancing Energy Efficiency in DC Railways Using Optimized Fractional-Order Proportional-Integral Controller for Energy Storage System利用优化分数阶比例-积分控制器提升储能系统能效的直流铁路应用
Exploring the Impact of Big Bang-Big Crunch Algorithm Parameters on Welded Beam Design Problem Resolution探索大爆炸-大挤压算法参数对焊接梁设计问题求解的影响
Multiple strategies improved spider wasp optimization for engineering optimization problem solving
SCIENTIFIC REPORTS
IF3.9
A barrel theory-based optimization of stochastic PV-DG integration in radial distribution networks under load and solar uncertainties基于桶理论的径向配电网中考虑负荷和太阳能不确定性的光伏-分布式电源集成优化

