.png){kind=icon}
返回
Multi-strategy improved coati optimization algorithm
.png){kind=icon}
PRE
AI
DOI：10.1007/s11227-025-07617-9.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决浣熊优化算法（COA）中收敛速度慢且易陷入局部最优的问题，本研究提出了一种多策略增强变体WOCOA。WOCOA融合了结合随机初始化和透镜对立学习（LOBL）的混合初始化策略，并通过Tent映射进一步增加种群多样性。在搜索阶段引入黄金正弦策略以平衡探索与开发，而在开发阶段应用源自鲸鱼优化算法（WOA）的螺旋气泡网策略以增强全局搜索能力。消融实验验证了这些策略对性能提升的个体及整体贡献。此外，在18个UCI数据集、23个基准测试函数以及CEC-2017套件上的比较实验证明了WOCOA在特征选择和数值优化方面的有效性与优越性。最后，两项可扩展性实验证实了其在解决高维及复杂现实优化问题中的适用性与鲁棒性。
Keyword:
Coati optimization algorithm
Lens opposition-based learning
Whale optimization algorithm
Feature selection
期刊
IF:
2.7
论文数:
1.2K
被引数:
1.1W
机构
引用论文
Osprey optimization algorithm: A new bio-inspired metaheuristic algorithm for solving engineering optimization problemsOsprey优化算法: 一种新的生物启发的元启发式算法，用于解决工程优化问题
OAAI
OAAI分享收藏
A Literature Review and Critical Analysis of Metaheuristics Recently Developed最近发展起来的元启发式算法的文献综述和批判性分析OAAI
OAAI分享收藏Zebra Optimization Algorithm: A New Bio-Inspired Optimization Algorithm for Solving Optimization Algorithm.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容