科研之友
微信
新浪微博
Facebook
分享链接
摘要
蜜獾算法（HBA）是一种新型智能优化算法，通过模拟蜜獾觅食行为进行寻优，具有结构简单且收敛速度快等特点。针对HBA在解决高维复杂问题时收敛精度低、收敛速度慢以及全局寻优能力不足等问题，提出一种多策略改进的蜜獾算法（MSHBA）。设计一种限制反向学习机制，随着算法迭代生成限制反向解更新种群，提高种群质量，加快算法收敛速度，引入自适应权重因子，随着迭代次数的变化调节不同寻优路径上的寻优步长，协调算法不同探索阶段，提升算法稳定性，加快收敛速度，构建一种新的饥饿搜索策略，根据种群能量以及全局最差位置改变寻优路径上的寻优步长，避免算法陷入早熟。基于9个标准测试函数对MSHBA、HBA、鲸鱼优化、哈里斯鹰、单一策略等算法在不同维度上进行仿真实验，结果表明，MSHBA具有更优的稳定性和收敛精度，将算法应用于机械设计优化问题并进行结果比较，MSHBA对比原HBA性能优化了88%，适用于求解高维复杂问题。
- 单位
