科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对基本黑猩猩优化算法存在的依赖初始种群、易陷入局部最优和收敛精度低等问题，提出一种多策略黑猩猩优化算法（Chaotic Elite Opposition-Based Simple Method Improved COA，EOSMICOA）。在EOSMICOA算法中，利用混沌精英反向学习策略对黑猩猩个体位置进行初始化，提高种群的多样性和质量，同时在位置更新过程中利用单纯形法和群个体记忆机制对较差个体进行改进，进一步提高算法的局部开发能力和勘探能力，提高算法的寻优精度。为验证改进算法的寻优能力，将EOSMICOA算法与多个智能算法对20个复杂函数进行对比实验，结果表明EOSMICOA在收敛精度、寻优速度等方面都有明显优势。最后，将EOSMICOA与当前最新改进算法应用于焊接梁设计中，对比结果表明EOSMICOA可以更有效地应用于工程设计优化问题。
- 单位
