文献类型：期刊文章

作　　者：贾鹤鸣[1] 刘宇翔[2] 刘庆鑫[3] 王爽[1] 郑荣[1]

JIA Heming;LIU Yuxiang;LIU Qingxin;WANG Shuang;ZHENG Rong(Department of Information Engineering,Sanming University,Sanming,Fujian 365004,China;College of Physics and Information Engineering,Fuzhou University,Fuzhou 350108,China;School of Computer Science and Technology,Hainan University,Haikou 570228,China)

机构地区：[1]三明学院信息工程学院,福建三明365004 [2]福州大学物理与信息工程学院,福州350108 [3]海南大学计算机科学与技术学院,海口570228

出　　处：《计算机科学与探索》

基　　金：福建省自然科学基金面上项目(2021J011128);福建省本科高校教育教学改革研究项目(FBJG20210338);三明市科技计划引导性项目(2020-G-61,2021-S-8);三明学院引进高层次人才科研启动经费支持项目(20YG14);福建省农业物联网应用重点实验室开放研究基金(ZD2101);三明学院教育教学改革重点项目(J2010305);三明学院高教研究课题(SHE2013)。

年　　份：2022

卷　　号：16

期　　号：5

起止页码：1182-1192

语　　种：中文

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

摘　　要：黏菌优化算法(SMA)和算术优化算法(AOA)是最近提出的新型元启发式优化算法。SMA算法具有较强的全局探索能力,但迭代后期振荡作用较弱,易陷入局部最优,且收缩机制不强,导致收敛速度慢。AOA算法利用乘除算子进行位置更新,随机性强,具有较好的避免早熟收敛能力。针对上述问题,将两种算法结合并利用随机反向学习策略提高收敛速度,提出一种性能优越且高效的融合随机反向学习策略的黏菌与算术混合优化算法(HSMAAOA)。改进算法保留了SMA全局探索部分位置更新公式,局部开发阶段将乘除算子替换SMA收缩机制,提高算法随机性与跳出局部极值的能力。此外,通过随机反向学习策略增强改进算法种群多样性,提高收敛速度。实验结果表明,HSMAAOA算法具有良好的鲁棒性以及寻优精度,且明显提升了收敛速度。最后,通过焊接梁设计问题与压力容器设计问题,验证了HSMAAOA在工程问题上的适用性与有效性。

关 键 词：黏菌优化算法(SMA)  算术优化算法(AOA)  混合优化  随机反向学习  

分 类 号：TP301.6]