返回
Reverse Mutation for Optimization Learning Artificial Lemming Algorithm and Its Application in Engineering
DOI:10.3390/biomimetics11060389.png)
摘要
En 中文
复杂工程优化问题通常表现出高维、多约束和非线性特征。传统确定性优化方法依赖梯度信息且优化范围有限,难以满足高效准确求解的需求。智能优化算法已成为解决此类问题的核心手段。针对标准人工旅鼠算法(ALA)存在种群多样性不足、早熟收敛、局部开发能力弱和收敛速度慢等局限性,难以满足解决复杂工程优化问题的要求,本文提出一种用于优化学习的反向变异人工旅鼠算法(RMALA)。基于ALA算法,该算法融合了三种策略:柯西变异、改进的鲸群算法(ISSA)和用于优化学习的反向变异。柯西变异用于维持种群多样性并避免算法早熟收敛;改进的鲸群算法增强了算法的局部开发能力并提高优化精度;用于优化学习的反向变异引导种群向全局最优解区域并加速收敛速度。显著实验结果表明,在CEC2017和CEC2022标准测试集以及焊接梁、悬臂梁和压力容器三个经典工程约束优化问题中,RMALA相较于原始ALA的优化精度提升超过30%,收敛速度提升超过25%;其稳定性和鲁棒性优于近年提出的五种新型群智能算法。该算法能高效求解复杂高维非线性约束优化问题,具有显著的工程应用价值和学术创新性。
Keyword:
artificial lemming algorithm
Cauchy mutation
engineering optimization
improved salp swarm algorithm
reverse mutation for optimization learning
期刊
B
IF:
3.9
论文数:
3.3K
被引数:
5.1K
机构
引用论文
Simulation and analysis of MPPT control based on Artificial Lemming algorithm for PV systemYanna, C.; Yusof, Y.; Zainuri, M.A.A.M. 基于人工旅鼠算法的PV系统MPPT控制的仿真与分析. IOP Conf. Ser. Earth Environ. Sci. 2026, 1598, 012003. [Google Scholar] [CrossRef]
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
A Novel PVO-Based Multi-Pixel Embedding Reversible Data Hiding Scheme Using the Artificial Lemming Algorithm一种基于PVO的新型多像素嵌入可逆数据隐藏方案,采用人工旅鼠算法
Electronics
IF2.6
Hippopotamus optimization algorithm: a novel nature-inspired optimization algorithm
SCIENTIFIC REPORTS
IF3.9
High-Precision Permanent Magnet Localization Using an Improved Artificial Lemming Algorithm Integrated with Levenberg–Marquardt Optimization基于改进的人工旅鼠算法与Levenberg–Marquardt优化集成的高精度永磁体定位
Electronics
IF2.6
IALA: An Improved Artificial Lemming Algorithm for Unmanned Aerial Vehicle Path PlanningIaa: 一种改进的无人机路径规划人工Lemming算法
Technologies
IF3.6
A comprehensive survey on the chicken swarm optimization algorithm and its applications: state-of-the-art and research challenges鸡群优化算法及其应用的综合综述: 最新技术和研究挑战

