典型文献
融合折射学习和改进天牛须搜索的黑猩猩优化算法及其应用
文献摘要：
针对黑猩猩优化算法(ChOA)寻优存在全局搜索能力弱、收敛精度低、易陷入局部最优等缺陷,提出一种融合折射学习和改进天牛须搜索的黑猩猩优化算法(BCRChOA).首先,借鉴天牛须算法搜索能力强和Levy飞行机制搜索方向和步长的不确定性的特点,将Levy飞行改进的天牛须搜索算法对ChOA进行搜索优化,提高ChOA的全局搜索能力;其次,在"攻击者"个体位置更新阶段引入云自适应动态权值,以协调算法全局探索和局部开发能力;最后,采用基于折射定律的反向学习策略提高算法跳出局部最优的能力.实验选取10个基准测试函数、部分CEC2014测试函数以及工程优化案例,将BCRChOA与最新的元启发式算法及其改进算法进行跨文献对比,结果表明BCRChOA在寻优能力和鲁棒性上均显著优于原始算法和对比文献方法.
文献关键词：
机械工程设计;黑猩猩优化算法;天牛须搜索;Levy飞行;云模型;折射学习
中图分类号：
作者姓名：
罗仕杭;何庆
作者机构：
贵州大学大数据与信息工程学院,贵州 贵阳550025
文献出处：
引用格式：
[1]罗仕杭;何庆-.融合折射学习和改进天牛须搜索的黑猩猩优化算法及其应用)[J].传感技术学报,2022(05):600-612
A类：
折射学习,ChOA,BCRChOA,机械工程设计
B类：
黑猩猩优化算法,全局搜索,搜索能力,收敛精度,局部最优,优等,天牛须算法,Levy,搜索方向,步长,确定性的,天牛须搜索算法,搜索优化,攻击者,位置更新,动态权值,局部开发,折射定律,反向学习策略,跳出局部,基准测试函数,CEC2014,工程优化,元启发式算法,改进算法,寻优能力,云模型
AB值：
0.255316
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。
