科研之友
微信
新浪微博
Facebook
分享链接
摘要
蜣螂优化算法(Dung Beetle Optimizer，DBO)是近年提出的智能优化算法，与其它优化算法一样，DBO也存在收敛精度低，易陷入局部最优等缺点，针对DBO的这些局限性，提出一种多策略改进的蜣螂优化算法(Multi-strategy improved dung beetle optimizer，MIDBO)。首先，改进雏球和偷窃蜣螂对局部最优解和全局最优解的接受程度，使其根据自身搜索能力动态变化，既提升了种群质量又保持了适应度高的个体的良好搜索能力；其次融合麻雀搜索算法中的追随者位置更新机制对算法进行扰动，并用贪婪策略更新位置，提升了算法的收敛精度；最后，当算法陷入停滞时引入柯西高斯变异策略，提高了算法跳出局部最优解的能力。仿真实验基于20个基准测试函数和CEC2019测试函数，验证了3种改进策略的有效性，将所改进算法和对比算法的优化结果进行收敛性分析，Wilcoxon秩和检验，证明了MIDBO具有良好的寻优性能和鲁棒性。将MIDBO运用在汽车碰撞优化问题的求解上，进一步验证了MIDBO在求解实际工程问题中的有效性和可靠性。
- 单位
