融合振荡禁忌搜索的自适应均衡优化算法

摘要：

为了改善均衡优化(equilibrium optimizer,EO)算法寻优过程中存在的收敛速度慢、易受局部极小值影响的问题,提出一种融合振荡禁忌搜索的自适应均衡优化算法CfOEO.针对EO算法初始化随机性过高导致的收敛速度慢的问题,引入精英反向学习初始化种群,增加算法搜索能力;通过自适应调整收敛因子来平衡算法的局部和全局搜索能力;在禁忌搜索策略中引入振荡算子,提高算法跳出局部极小值的能力.仿真实验采用10个基准测试函数和部分CEC2014测试函数以及基准测试函数的Wilcoxon秩和检测,对CfOEO算法进行寻优性能测试,测试结果验证了CfOEO算法的鲁棒性.

关键词：均衡优化算法、精英反向学习、振荡算子、禁忌搜索、自适应收敛因子

所属期刊栏目：58

分类号：TP301.6(计算技术、计算机技术)

资助基金：贵州省科技计划项目;贵州省科技计划项目;贵州省科技计划项目;贵州省公共大数据重点实验室开放课题;贵州大学培育项目

在线出版日期：2022-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：68-75