计算机科学与探索

作者：王玉芳, 程培浩, 闫明

单位：1. 天津财经大学 统计学院，天津 3002212. 天津财经大学 管理科学与工程学院，天津 300221

关键词：黑翅鸢优化算法,红尾鹰优化算法,劣质个体分类策略,正交试验-准反射扰动,旅行商问题

基金：国家社会科学基金（19CGL002）；国家自然科学基金（12301610）；天津财经大学优秀青年教师支持计划。

针对黑翅鸢优化算法（BKA）收敛速度慢和易陷入局部最优的局限性，提出了一种混合增强黑翅鸢优化算法（HEBKA），旨在提升算法的全局搜索能力和优化性能。HEBKA通过引入红尾鹰优化算法替换BKA的攻击阶段，并结合Bernoulli混沌映射作为攻击调节因子，以简化算法流程并显著增强全局搜索能力，从而有效提高收敛效率。借鉴黑寡妇优化算法的信息素机制，HEBKA将种群划分为优秀个体和劣质个体两类：对优秀个体实施迁徙操作以引导种群向最优解方向移动，而对劣质个体施加随机扰动以增加种群的多样性，从而减少对领导者迁徙的盲目依赖，避免种群过早收敛。当种群出现聚集现象时，HEBKA针对最优个体引入正交试验-准反射扰动策略，通过正交试验设计高效探索解空间，并利用准反射机制引入适度扰动，进一步增强算法跳出局部最优的能力。为验证HEBKA的改进效果，在CEC2017测试函数集上开展了仿真实验，与多种优化算法进行收敛性分析及Wilcoxon非参数统计检验，结果表明HEBKA在收敛速度、优化精度和鲁棒性方面均显著优于对比算法，展现出优秀的全局搜索能力和稳定性。HEBKA被应用于二维和三维旅行商问题（TSP）的求解，通过在实际复杂优化问题中的表现，验证了其高效性和应用潜力。

来源：2026年第1期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2026年第1期