融合维度学习的黑翅鸢优化算法

来源：计算机工程与应用杂志2026年第2期北京时间：

作者：李松彪, 刘升, 马志海, 袁玥

单位：上海工程技术大学 管理学院，上海 201620；

摘要：针对黑翅鸢优化算法（black-winged kite algorithm，BKA）易陷入局部最优、收敛速度慢等缺点，提出了一种融合维度学习的黑翅鸢优化算法（dimension learning black-winged kite optimization algorithm，DBKA）。引入选择性对立算子（selective opposition operator，SO），通过动态生成对立解增强种群多样性，优化搜索空间分布，降低陷入局部最优的风险。在搜寻猎物阶段，通过抛物线觅食策略改进黑翅鸢的攻击行为，使种群能够更高效地向最优位置收敛，从而提升算法的收敛速度和优化精度。引入基于维度学习的狩猎（dimension learning-based hunting，DLH）搜索策略，进一步协调全局探索与局部开发的平衡，同时保持种群多样性，提升算法的适应性与稳定性。为验证所提算法的有效性，在CEC2017和CEC2019测试函数以及实际工程优化问题上，与多种先进优化算法进行了对比实验，并采用Wilcoxon秩和检验与MAE排名对实验结果进行统计分析。实验结果表明，DBKA在收敛速度、优化精度及算法鲁棒性方面均优于对比算法，具有更优的优化性能。

关键词：黑翅鸢优化算法（BKA）,选择性对立算子（SO）,抛物线觅食,维度学习

基金资助：国家自然科学基金（61673258，61075115）；上海市自然科学基金（19ZR1421600）。