文献类型：期刊文章

作　　者：贾鹤鸣[1] 陈丽珍[1] 力尚龙[1] 刘庆鑫[2] 吴迪[3] 卢程浩[1]

JIA Heming;CHEN Lizhen;LI Shanglong;LIU Qingxin;WU Di;LU Chenghao(College of Information Engineering,Sanming University,Sanming,Fujian 365004,China;School of Computer Science and Technology,Hainan University,Haikou 570228,China;College of Enducation and Music,Sanming University,Sanming,Fujian 365004,China)

机构地区：[1]三明学院信息工程学院,福建三明365004 [2]海南大学计算机科学与技术学院,海口570228 [3]三明学院教育与音乐学院,福建三明365004

出　　处：《计算机工程与应用》

基　　金：福建省自然科学基金(2021J011128)。

年　　份：2023

卷　　号：59

期　　号：24

起止页码：131-139

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2023_2024、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：侏儒猫鼬优化算法(dwarf mongoose optimization,DMO)是新提出的一种元启发式算法,该算法具有较强的全局探索能力和稳定性,但由于原始算法中仅依靠雌性首领带领整个猫鼬种群进行搜索,会产生收敛速度较慢、易陷入局部最优以及探索阶段与开发阶段之间的平衡较差等问题。针对上述问题,提出一种融合透镜成像反向学习的精英池侏儒猫鼬优化算法(improved dwarf mongoose optimization,IDMO),采用透镜成像反向学习策略,避免算法在迭代过程中陷入局部最优,增强算法的探索能力;在阿尔法组觅食时引入精英池策略,提高了算法的收敛精度,进一步增强算法探索能力。通过基准测试函数进行实验,表明IDMO算法具有良好的寻优性能和鲁棒性,且算法收敛速度得到显著提升。通过对汽车碰撞优化问题的求解,进一步验证了IDMO算法具有良好的适用性和有效性。

关 键 词：侏儒猫鼬优化算法  元启发式算法 透镜成像反向学习策略  精英池策略  

分 类 号：TP301.6]