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

最新推荐文章于 2025-04-29 22:26:32 发布

菜鸟的小小心

最新推荐文章于 2025-04-29 22:26:32 发布

阅读量947

点赞数 5

文章标签：数学建模

本文链接：https://blog.youkuaiyun.com/wa522528/article/details/144981191

版权

https://doi.org/10.1007/s10462-024-11023-7

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。尽管现有的元启发式算法算法在许多情况下都证明了有效性，但它们仍然难以应对某些挑战，例如过早收敛、探索不足以及在高维、非凸搜索空间中缺乏稳健性。这些限制凸显了对新型优化技术的需求，这些技术可以在保持计算效率的同时更好地平衡勘探和开发。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。具体来说，长距离迁移和挖洞行为专门用于高度探索搜索领域，而觅食和躲避捕食者行为在优化过程中提供利用。此外，ALA 采用了一种能量降低机制，能够动态调整勘探和开发之间的平衡，从而增强其逃避局部最优值并更稳健地收敛到全局解决方案的能力。为了彻底验证所提出的方法的有效性，在 IEEE CEC2017 基准测试套件和 IEEE CEC2022 基准测试套件上将 ALA 与其他 17 种最先进的元启发式算法进行了比较。实验结果表明，ALA 具有可靠的综合优化性能，在大多数测试用例中都能实现优异的解准确率、收敛速度和稳定性。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。最后，为了进一步评估其适用性，实现了 ALA 以解决一系列优化案例，包括约束工程设计、光伏（PV）模型参数识别和分数阶比例微分积分（FOPID）控制器增益调整。我们的研究结果突出了 ALA 在实际工程应用中的竞争优势和潜力。

本文开发了一种新颖的元启发式优化技术，称为人工旅鼠算法算（ALA），该技术源于旅鼠的四种常见行为：长距离迁徙、挖洞、觅食和躲避捕食者。尽管已经开发了许多受生物启发的元启发式算法，但它们经常面临一些限制，例如过早收敛以及难以在勘探和开发之间保持稳健的平衡。ALA 引入了一种新的能量减少机制，它在整个优化过程中动态调整这种平衡，从而显着增强其在各种优化环境中的稳健性和有效性。此外，ALA 独特地将 Brownian motion（布朗运动）和 Lévy Flight（莱维飞行）集成到其搜索策略中，使其能够摆脱局部最优值并提高全局搜索能力。ALA 的数值优化性能与 IEEE CEC2017 和 CEC2022 基准测试套件上的其他 17 种元启发式进行了全面比较。此外，采用 10 个约束工程设计案例、光伏模型参数提取问题和 FOPID 控制器的最优增益调谐问题来验证 ALA 在实际工程应用中的实用性。