计算机科学与探索

作者：郭琴, 郑巧仙

单位：1. 湖北大学 计算机与信息工程学院，武汉 4300622. 湖北大学 网络空间安全学院，武汉 430062

关键词：蜣螂优化算法,局部最优解,麻雀搜索算法,柯西高斯变异,汽车碰撞优化问题,Wilcoxon秩和检验

蜣螂优化算法（DBO）是近年提出的智能优化算法，与其他优化算法一样，DBO也存在收敛精度低、易陷入局部最优等缺点。针对DBO的这些局限性，提出一种多策略改进的蜣螂优化算法（MIDBO）。首先，改进雏球和偷窃蜣螂对局部最优解和全局最优解的接受程度，使其根据自身搜索能力动态变化，既提升了种群质量又保持了适应度高的个体的良好搜索能力；其次，融合麻雀搜索算法中的追随者位置更新机制对算法进行扰动，并用贪婪策略更新位置，提升了算法的收敛精度；最后，当算法陷入停滞时引入柯西高斯变异策略，提高了算法跳出局部最优解的能力。仿真实验基于20个基准测试函数和CEC2019测试函数，验证了3种改进策略的有效性，将所改进算法和对比算法的优化结果进行收敛性分析和Wilcoxon秩和检验，证明了MIDBO具有良好的寻优性能和鲁棒性。将MIDBO运用在汽车碰撞优化问题的求解上，进一步验证了MIDBO在求解实际工程问题中的有效性和可靠性。

来源：2024年第4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2024年第4期