透镜成像反向学习的精英池侏儒猫鼬优化算法

来源：计算机工程与应用杂志2023年第24期北京时间：

作者：贾鹤鸣, 陈丽珍, 力尚龙, 刘庆鑫, 吴迪, 卢程浩

单位：1.三明学院 信息工程学院，福建 三明 365004；2.海南大学 计算机科学与技术学院，海口 570228；3.三明学院 教育与音乐学院，福建 三明 365004

摘要：侏儒猫鼬优化算法（dwarf mongoose optimization，DMO）是新提出的一种元启发式算法，该算法具有较强的全局探索能力和稳定性，但由于原始算法中仅依靠雌性首领带领整个猫鼬种群进行搜索，会产生收敛速度较慢、易陷入局部最优以及探索阶段与开发阶段之间的平衡较差等问题。针对上述问题，提出一种融合透镜成像反向学习的精英池侏儒猫鼬优化算法（improved dwarf mongoose optimization，IDMO），采用透镜成像反向学习策略，避免算法在迭代过程中陷入局部最优，增强算法的探索能力；在阿尔法组觅食时引入精英池策略，提高了算法的收敛精度，进一步增强算法探索能力。通过基准测试函数进行实验，表明IDMO算法具有良好的寻优性能和鲁棒性，且算法收敛速度得到显著提升。通过对汽车碰撞优化问题的求解，进一步验证了IDMO算法具有良好的适用性和有效性。

关键词：侏儒猫鼬优化算法,元启发式算法,透镜成像反向学习策略,精英池策略