典型文献
多策略黑猩猩优化算法研究及其工程应用
文献摘要：
针对基本黑猩猩优化算法存在的依赖初始种群、易陷入局部最优和收敛精度低等问题,提出一种多策略黑猩猩优化算法EOSMICOA(chaotic elite opposition-based simple method improved COA).在EOSMICOA算法中,利用混沌精英反向学习策略对黑猩猩个体位置进行初始化,提高种群的多样性和质量,同时在位置更新过程中利用单纯形法和群个体记忆机制对较差个体进行改进,进一步提高算法的局部开发能力和勘探能力,以及算法的寻优精度.为验证改进算法的寻优能力,将EOSMICOA算法与多个智能算法对20个复杂函数进行对比实验,结果表明EOSMICOA在收敛精度、寻优速度等方面都有明显优势.最后,将EOSMICOA与当前最新改进算法应用于焊接梁设计中,对比结果表明EOSMICOA可以更有效地应用于工程设计优化问题.
文献关键词：
黑猩猩优化算法;无限折叠迭代混沌映射;精英反向学习;单纯形法;群个体记忆机制
中图分类号：
作者姓名：
黄倩;刘升;李萌萌;郭雨鑫
作者机构：
上海工程技术大学 管理学院,上海 201620
文献出处：
引用格式：
[1]黄倩;刘升;李萌萌;郭雨鑫-.多策略黑猩猩优化算法研究及其工程应用)[J].计算机工程与应用,2022(19):174-183
A类：
EOSMICOA,群个体记忆机制
B类：
多策略,黑猩猩优化算法,算法研究,初始种群,局部最优,收敛精度,chaotic,elite,opposition,simple,method,improved,精英反向学习策略,初始化,在位,位置更新,更新过程,单纯形法,局部开发,勘探,寻优精度,改进算法,寻优能力,智能算法,算法应用,工程设计优化,优化问题,无限折叠迭代混沌映射
AB值：
0.26349
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。
