基于混合策略改进的海马优化器及其应用

来源：电子测量技术杂志2024年第23期北京时间：

作者：康培培，薛贵军，谭全伟

单位：1.华北理工大学电气工程学院 唐山 063210; 2.华北理工大学智能仪器厂 唐山 063000

摘要：本文针对海马优化算法收敛精度低、全局搜索和局部开发不平衡、易陷入局部最优解等问题，提出了一种基于混合策略改进的海马优化器，记作ISHO。首先，融合灰狼优化算法的搜索特点改进海马优化算法的运动行为，使其能够在搜索空间内更有效地进行全局搜索和局部开发；然后，结合精英反向学习策略细化搜索过程，从而提高收敛精度；最后对海马优化器捕食阶段的参数进行调整，使其具有更强的自适应性避免算法过早的陷入局部最优解。将ISHO与其他6种智能优化算法在8种测试函数上进行比较，实验表明该算法相较于其他算法有更好的收敛速度、收敛精度和稳定性。将改进的海马优化算法应用到解决工程约束问题上，进一步证明改进算法的实用性。

关键词：海马优化算法;灰狼优化算法;精英反向学习策略;参数调整

基金资助：河北省自然科学基金(E2020209121)项目资助