.png){kind=icon}
返回
Parallel compact artificial protozoa optimizer algorithm and its application in 3D coverage
.png){kind=icon}
OA
AI
DOI：10.1016/j.iswa.2026.200645.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目前，无线传感器网络正处于持续发展之中，其应用场景已扩展至多个领域。因此，提高网络服务质量具有重要意义，而节点覆盖优化是实现这一目标的重要途径。然而，现有元启发式求解方法在处理该高维优化问题时，由于种群维护需要大量内存，且易陷入局部最优，因此在实际部署中难以同时满足效率和精度的双重要求。为有效解决上述瓶颈，本研究提出一种改进的人工原生动物优化器算法，该算法融合了并行通信机制和紧凑模型。该算法采用紧凑策略，使用概率模型替代传统种群，从而显著降低内存消耗。此外，引入并行通信策略以增强全局搜索能力，有效避免陷入局部最优。研究采用CEC2022和CEC2014基准测试函数进行广泛实验，涵盖10维、20维和100维空间。提出的并行紧凑人工原生动物优化器（PCAPO）算法与当前先进算法进行比较，包括紧凑粒子群优化（CPSO）、紧凑蝙蝠算法（CBA）、紧凑正弦余弦算法（CSCA）、并行CSCA、并行紧凑鹈鹕优化算法、紧凑布谷鸟搜索和紧凑鸽群启发优化。统计结果显示，在100维测试的30个函数中，PCAPO在22个函数中达到最优平均适应度，并在10维测试的所有12个函数中优于CPSO和CBA。这表明改进算法在探索能力和收敛性能方面优于同类算法。最后，将改进算法应用于3D覆盖问题和压缩弹簧设计问题，结果表明，与其他方法相比，改进的优化器实现了显著更高的覆盖效率及最优设计参数。
Keyword:
Artificial protozoa optimizer
Compact strategy
Metaheuristic algorithms
Parallel communication strategy
Wireless sensor network
3D coverage
期刊
I
IF:
4.3
论文数:
92
被引数:
0
机构
引用论文
.png){kind=icon}
Mantis Search Algorithm: A novel bio-inspired algorithm for global optimization and engineering design problems螳螂搜索算法: 一种用于全局优化和工程设计问题的新型生物启发算法
PREAI
分享收藏Multi-objective firefly algorithm based on compensation factor and elite learning基于补偿因子和精英学习的多目标萤火虫算法
PREAI
分享收藏A practical tutorial on the use of nonparametric statistical tests as a methodology for comparing evolutionary and swarm intelligence algorithms关于使用非参数统计检验作为比较进化和群体智能算法的方法的实用教程
PREAI
分享收藏Artificial Protozoa Optimizer (APO): A novel bio-inspired metaheuristic algorithm for engineering optimization人工原生动物优化器 (APO): 一种用于工程优化的新型生物启发元启发式算法
OAAI
OAAI分享收藏
查看更多内容