关键词:
蜣螂优化算法
莱维飞行
随机步长
小波理论
局部最优解
摘要:
针对蜣螂优化算法(Dung Beetle Optimizer, DBO)搜索能力不足,易陷入局部最优,收敛速度慢等问题,提出了一种融合莱维飞行和小波变异的蜣螂优化算法(Dung beetle optimization algorithm integrating Levy flight and wavelet variation, LWDBO).在偷窃蜣螂中引入莱维飞行策略,莱维飞行的随机步长特点可以扩大搜索空间,加快算法的收敛速度;采用融入小波理论的变异策略,根据算法的迭代深度动态调整变异概率和变异程度,增大了算法跳出局部最优解的概率.对12个基准函数进行仿真实验,对2种改进策略分别进行有效性分析,结果表明2种改进策略均提高了算法的收敛精度和稳定性,同时融合2种策略的LWDBO则进一步提升了算法的寻优性能;将LWDBO与其他新型智能优化算法进行比较,进一步证明了该算法的可靠性与高效性.将该算法应用于2种工程约束优化问题中,验证了该算法的有效性及工程实用性.