文献类型：期刊文章

作　　者：张九龙[1] 王晓峰[1,2] 芦磊[1] 牛鹏飞[1]

ZHANG Jiulong;WANG Xiaofeng;LU Lei;NIU Pengfei(School of Computer Science and Engineering,North Minzu University,Yinchuan 750021,China;Key Laboratory for Intelligent Processing of Computer Images and Graphics of National Ethnic Affairs Commission of the PRC,North Minzu University,Yinchuan 750021,China)

机构地区：[1]北方民族大学计算机科学与工程学院,银川750021 [2]北方民族大学图像图形智能处理国家民委重点实验室,银川750021

出　　处：《计算机科学与探索》

基　　金：国家自然科学基金(62062001);宁夏自然科学基金(2020AAC03214);北方民族大学重大专项(ZDZX201901)。

年　　份：2022

卷　　号：16

期　　号：1

起止页码：88-105

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、ZGKJHX、核心刊

摘　　要：智能优化算法(IOA)指的是一类以自然界的生物生存进化过程或物理现象为算法原理,用于解决最优化问题的算法,较为知名的智能优化算法有遗传算法、粒子群算法、模拟退火算法等。智能优化算法属于启发式方法,广泛应用在解决最优化问题上,传统的群智能算法为解决一些实际问题提供了新思路。随着科学技术的进步和应用场景的改变,传统的智能优化算法在收敛速度、求解精度等方面已无法满足日益复杂的优化问题,因此不断有新的更高效的智能优化算法被提出。选取了近几年国内外提出的几种新型智能优化算法:蝴蝶优化算法(BOA)、飞蛾扑火算法(MFO)、正弦余弦优化算法(SCA)、蝗虫优化算法(GOA)、哈里斯鹰优化算法(HHO)、麻雀搜索算法(SSA)。阐述了各算法的基本原理、算法步骤、相关的改进策略及存在的优缺点。为客观对比各算法性能,进一步通过3种类型共21个测试函数及6个指标评价各算法性能,最后归纳总结各算法的特点并对智能优化算法的发展前景进行展望。

关 键 词：智能优化算法(IOA)  蝴蝶优化算法(BOA)  飞蛾扑火算法(MFO)  正弦余弦优化算法(SCA)  蝗虫优化算法(GOA)  哈里斯鹰优化算法(HHO)  麻雀搜索算法(SSA)  

分 类 号：TP18]