融合最优邻域扰动和反向学习策略的蝴蝶优化算法

摘要：

为解决蝴蝶优化算法(butterfly optimization algorithm,BOA)易出现收敛精度差、易陷入局部极值的问题,提出了一种融合最优邻域扰动和反向学习策略的蝴蝶优化算法(butterfly optimization algorithm combining optimal neighborhood perturbation and reverse learning strategy,ORBOA).首先,在算法初期引入改进Tent混沌映射,均匀蝴蝶初始位置.其次,在全局搜索阶段引入最优邻域扰动和透镜成像反向学习策略,在保持种群多样性的同时提高算法的收敛速度,并通过贪婪机制择选出最优的蝴蝶个体位置;在局部搜索阶段引入随机权重,增强跳出陷入局优的能力;采用6个基准函数来测试5种算法在30、50、100维度下的搜索性能,结果表明ORBOA具有更高的收敛速度、收敛精度和跳出局优的能力.最后,采用ORBOA对桁架结构进行优化,结果表明桁架结构的总重量可被有效降低.

关键词：算法理论;蝴蝶优化算法;混沌映射;最优邻域扰动;反向学习

所属期刊栏目：16

分类号：TP301.6(计算技术、计算机技术)

资助基金：河北省自然科学基金资助项目;河北省高等学校科学技术研究项目

在线出版日期：2021-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1181-1188