典型文献
融合随机反向学习的黏菌与算术混合优化算法
文献摘要：
黏菌优化算法(SMA)和算术优化算法(AOA)是最近提出的新型元启发式优化算法.SMA算法具有较强的全局探索能力,但迭代后期振荡作用较弱,易陷入局部最优,且收缩机制不强,导致收敛速度慢.AOA算法利用乘除算子进行位置更新,随机性强,具有较好的避免早熟收敛能力.针对上述问题,将两种算法结合并利用随机反向学习策略提高收敛速度,提出一种性能优越且高效的融合随机反向学习策略的黏菌与算术混合优化算法(HSMAAOA).改进算法保留了SMA全局探索部分位置更新公式,局部开发阶段将乘除算子替换SMA收缩机制,提高算法随机性与跳出局部极值的能力.此外,通过随机反向学习策略增强改进算法种群多样性,提高收敛速度.实验结果表明,HSMAAOA算法具有良好的鲁棒性以及寻优精度,且明显提升了收敛速度.最后,通过焊接梁设计问题与压力容器设计问题,验证了HSMAAOA在工程问题上的适用性与有效性.
文献关键词：
黏菌优化算法(SMA);算术优化算法(AOA);混合优化;随机反向学习
中图分类号：
作者姓名：
贾鹤鸣;刘宇翔;刘庆鑫;王爽;郑荣
作者机构：
三明学院 信息工程学院,福建 三明 365004;福州大学 物理与信息工程学院,福州 350108;海南大学 计算机科学与技术学院,海口 570228
文献出处：
引用格式：
[1]贾鹤鸣;刘宇翔;刘庆鑫;王爽;郑荣-.融合随机反向学习的黏菌与算术混合优化算法)[J].计算机科学与探索,2022(05):1182-1192
A类：
HSMAAOA
B类：
混合优化算法,黏菌优化算法,和算,算术优化算法,元启发式优化算法,探索能力,局部最优,收缩机制,收敛速度,速度慢,法利,乘除,位置更新,随机性,早熟,收敛能力,随机反向学习策略,种性,性能优越,改进算法,局部开发,开发阶段,跳出局部,局部极值,种群多样性,寻优精度,设计问题,压力容器设计,工程问题
AB值：
0.24468
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
