混合策略改进的蜣螂优化算法及其工程应用

来源：上海理工大学学报杂志2024年第5期北京时间：

作者：吉如沁，秦江涛

单位：上海理工大学 管理学院，上海 200093,上海理工大学 管理学院，上海 200093

摘要：针对原始蜣螂优化算法（dung beetle optimizer, DBO）容易陷入局部最优，收敛精度不够等问题，提出一种混合策略改进的蜣螂优化算法（TDBO）。运用Tent混沌映射策略初始化种群，使得初始蜣螂的位置分布更加均匀，提高种群的多样性；在蜣螂繁衍阶段使用自适应惯性权重，提升寻优能力；在蜣螂偷窃行为公式中引入莱维飞行，提高算法的搜索能力，使算法跳出局部最优，平横搜索多样性与收敛准确性之间的关系。在9个测试函数上分别与基础DBO算法、4种对比算法以及单一策略改进的DBO算法进行比较，并通过Wilcoxon秩和检验验证TDBO算法的性能。结果证明，TDBO算法在多个函数上速度和精度优于对比算法，并具有显著性差异。通过基准函数的测试、Wilcoxon秩和检验，以及3个工程优化问题的验证，TDBO算法具有较优的收敛精度和速度。

关键词：蜣螂优化算法;Tent混沌映射;自适应惯性权重;莱维飞行

基金资助：国家自然科学基金资助项目(72174121，71774111)；上海市2022年度“科技创新行动计划”软科学研究项目(22692112600)；上海市自然科学基金资助项目(21ZR1444100)