基于排序自适应参数池和螺旋探索算子的梯度优化器应用研究OA

基于梯度的优化器(gradient-based optimizer,GBO)是在2021年提出的一种新的元启发式算法,而其优越性主要是由于梯度搜索规则(GSR)、局部逃逸算子(LEO)所决定的,在实际应用中,GBO仍存在不足之处就是其收敛精度以及收敛速度有待提高,因此,文章提出3种方法增强GBO的效果,并将其称为ASS-GBO,第一,建立一个自适应参数池并对它们进行排序,然后给参数分配合理的比例,从而提升算法的整体寻优能力;第二,增加螺旋探索因子改善移动的方向,避免算法陷入局部最优;第三,给出简化的局部逃逸算子(SLEO),以达到在一定程度上提升算法开发能力和减少计算量的目的.最后用ASS-GBO和其他4种常用优化器在CEC2022测试函数以及4个经典的工程设计问题进行比较实验,从结果可以看出,ASS-GBO在收敛精度、收敛速度以及全局搜索能力等方面都优于其他4种优化器.