多策略混合改进的海洋捕食者算法及其工程应用
为解决海洋捕食者算法(MPA)自适应能力有限、易陷入局部最优等问题,提出融合多策略改进的海洋捕食者算法(EMPA).首先,在种群初始化阶段,采用精英反向学习策略初始化猎物种群,丰富种群的多样性.其次,在阶段更新过程中,设计出具有更强非线性收敛性的自适应惯性权重,控制捕食者在整个过程中的位置更新.在此基础之上,在等速比阶段,引入算术优化算子指导猎物搜索空间,平衡种群的全局勘探和局部开采.进一步,在海洋记忆存储阶段,采用t分布变异策略对猎物位置进行变异,增强个体在迭代后期跳出局部最优的能力.通过在8个测试函数上的算法性能测试及与著名算法的比较,验证了EMPA算法的优越性.最后,针对传统方法设计的断路器储能弹簧结构参数设置不合理、分断性能差等缺陷,应用EMPA对断路器储能弹簧进行优化设计,实验结果表明,EMPA算法的设计结果更加小型化、分断性能更优.
海洋捕食者算法、精英反向学习、算术优化算子、t-分布变异、储能弹簧设计
42
TP301(计算技术、计算机技术)
2023-07-11(万方平台首次上网日期,不代表论文的发表时间)
共10页
125-134