基于黄金莱维引导机制的阿基米德优化算法

摘要：

针对标准阿基米德优化算法(AOA)在求解优化问题时存在全局探索能力弱、收敛速度慢和求解精度低等问题,提出一种多策略阿基米德优化算法(MSAOA).首先,利用变区间初始化策略,使得初始种群尽可能地靠近全局最优解,从而提高初始解的质量;其次,提出黄金莱维引导机制,以提高算法在迭代后期的种群多样性;最后,在维持种群多样性的前提下,引入自适应波长算子,以达到提高算法搜索效率的目的.将所提算法与均衡器算法(EO)、正余弦算法(SCA)以及灰狼优化算法(GWO)在20个基准测试函数上进行比较实验.实验结果表明,所提算法具有更高的寻优精度和收敛速度,并将所提算法应用于4个机械设计实例中,再次验证了所提算法的有效性和优越性.

关键词：阿基米德优化算法、黄金正弦、莱维飞行、变区间初始化、波长算子

所属期刊栏目：42

分类号：TP18(自动化基础理论)

资助基金：贵州省科技计划项目;贵州省科技计划项目;贵州省教育厅青年科技人才成长项目;贵州大学培育项目;贵州省公共大数据重点实验室开放课题

在线出版日期：2022-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2807-2815