- 博客(18)
- 收藏
- 关注
RSS订阅原创 （论文复现）AEDHOA——四重策略驱动的徒步旅行优化算法（MATLAB代码）
AEDHOA包含四个关键策略：增强种群多样性的分层随机抽样策略（SRIS），增强型领导者协调策略（ELCS）用于多领导者引导以防止过早收敛，自适应扰动策略（APS）引入受控随机性以逃避局部最优，以及动态探索策略（DES），以动态平衡全局探索和局部开发。以这种方式，它减少传统的初始化通常表现出的聚类效果，除了提高复杂和多模态优化问题的算法的稳定性，可避免早期陷入局部最优。该方法对于算法的改进虽然效果不错，但对于算法的时间复杂度却增加了太多，但在以计算适应度次数为终止条件下，可以忽略不计。
2025-04-13 20:34:57
277
原创 人工旅鼠算法：一种用于解决实际工程优化问题的新型仿生元启发式技术ALA
智能信息时代的到来见证了各个学科中复杂优化问题的激增。为了满足这一需求，我们提出了人工旅鼠算法 （ALA），这是一种受生物启发的元启发式算法，它对自然界中旅鼠的四种不同行为进行了数学建模：长距离迁移、挖洞、觅食和躲避捕食者。对于 29 个 10 维、30 维、50 维和 100 维CEC2017函数，ALA 在所有竞争方法中获得最低的弗里德曼平均排名值，分别为 1.7241、2.1034、2.7241 和 2.9310，对于 12 个CEC2022函数，ALA 再次获得最优弗里德曼平均排名 2.1667。
2025-01-07 11:08:05
917
原创 基于精英池策略的正弦余弦优化算法
2，模式搜索方法（pattern search method），用来对当前最优解进行扰动，针对该策略，本人学术能力有限，觉得这个有点取巧，在这个搜索里面，就CEC2017中的F1函数而言，第一次运行到这里的时候，内部的‘count“计数19000次左右，也就是说在处理这个策略的时候消耗的适应度函数的计算次数达19000次，此时的最优解对应的适应度函数值刚好为100，从而造成了当迭代次数t=90的时候，收敛曲线在90 以后一直是100，包括F3函数也一样，在t=90的时候收敛曲线下降极快；
2024-12-17 20:10:17
441
原创 ESO:一种增强型蛇优化算法
文章来源：蛇优化器（Snake Optimizer， SO）是一种具有良好优化效果的新算法。然而，由于自然规律的限制，在勘探开发阶段，参数是较为固定的值，使得so算法很快陷入局部优化，收敛速度较慢。本文通过引入一种新的基于对立的学习策略和新的动态更新机制（参数动态更新策略、正弦余弦复合摄动因子、Tent-chaos和Cauchy mutation），提出了一种增强型Snake优化器（ESO），以获得更好的性能。在23个经典基准函数和CEC 2019函数集上测试了ESO的有效性。
2024-12-05 09:23:11
461
原创 空间金字塔匹配（Spatial Pyramid Matching，SPM）混沌映射系统
空间金字塔匹配（Spatial Pyramid Matching，SPM）混沌映射系统，种群初始化
2024-05-14 12:11:19
583
1
原创 Guided learning strateg(GLS）导向学习策略
Guided learning strateg；GLS；导向学习策略；改进策略
2024-05-13 19:25:29
646
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人