基于窦性变异的改进人工蜂群白骨顶鸡算法及应用

来源：计算机技术与发展杂志2024年第04期北京时间：

作者：张羽;何庆

单位：贵州大学 大数据与信息工程学院,贵州 贵阳 550025 Author(s): ZHANG Yu;HE Qing School of Big Data and Information Engineering,Guizhou University,Guiyang 550025,China 关键词: 白骨顶鸡算法;精英反向学习;人工蜂群算法;窦性变异策略;工程设计问题 Keywords: COOT;elite opposition-based learning;artificial bee colony algorithm;cosine mutation strategy;engineering design problem 分类号: TP301 DOI: 10. 3969 / j. issn. 1673-629X. 2024. 04. 024 摘要: 针对白骨顶鸡算法(COOT)存在求解精度低、收敛速度较慢和易陷入局部最优的问题,该文提出一种基于窦性变异的改进人工蜂群白骨顶鸡算法( ICOOT) 。 首先,采用精英反向学习策略初始化个体位置,增加初始个体寻优多样性;其次,考虑到人工蜂群算法强大的搜索能力,提出一种以全局最优值引导的改进人工蜂群搜索策略,更新白骨顶鸡个体的位置,以提高 COOT 的搜索能力和收敛精度;最后,引入窦性变异策略对最优个体进行扰动,一方面使算法能够有效跳出局部最优,另一方面提高最优个体质量。 利用 12 个基准测试函数对 ICOOT 进行寻优性能测试,将 ICOOT 应用于拉力 / 压力弹簧优化工程设计问题,并与其他元启发式算法进行了比较和分析,结果验证了改进的算法的可行性和优越性。

摘要：针对白骨顶鸡算法(COOT)存在求解精度低、收敛速度较慢和易陷入局部最优的问题,该文提出一种基于窦性变异的改进人工蜂群白骨顶鸡算法( ICOOT) 。 首先,采用精英反向学习策略初始化个体位置,增加初始个体寻优多样性;其次,考虑到人工蜂群算法强大的搜索能力,提出一种以全局最优值引导的改进人工蜂群搜索策略,更新白骨顶鸡个体的位置,以提高 COOT 的搜索能力和收敛精度;最后,引入窦性变异策略对最优个体进行扰动,一方面使算法能够有效跳出局部最优,另一方面提高最优个体质量。 利用 12 个基准测试函数对 ICOOT 进行寻优性能测试,将 ICOOT 应用于拉力 / 压力弹簧优化工程设计问题,并与其他元启发式算法进行了比较和分析,结果验证了改进的算法的可行性和优越性。

关键词：白骨顶鸡算法;精英反向学习;人工蜂群算法;窦性变异策略;工程设计问题