基于动态伴随种群的多策略沙猫群优化算法OA
为了解决沙猫群算法早熟收敛和精度不足问题,提出了一种基于伴随种群的多策略沙猫群优化算法AMSCSO。该算法采用奇偶划分方法,将种群动态划分为主种群和伴随种群以丰富种群类型;利用镜像螺旋搜索策略,使2个种群采取互为镜像的螺旋搜索方式,增强全局搜索能力;提出动态边界围捕策略避免算法陷入局部陷阱;使用交叉学习机制提升种群信息交换效率,增强种群多样性。在CEC2017和CEC2019基准测试集上,AMSCSO的综合优胜率分别达到81.03%和60%,表明其具备高效性和可行性。此外,将AMSCSO应用于三维无线传感器网络覆盖率优化和支持向量机参数调优的轴承故障检测中,其性能均优于其他对比算法,展示了其在实际应用中的优越性和广泛的适用性。
罗文涛;钱谦;潘家文;张晓丽;冯勇;李英娜
昆明理工大学信息工程与自动化学院,云南昆明650500昆明理工大学信息工程与自动化学院,云南昆明650500昆明理工大学信息工程与自动化学院,云南昆明650500昆明理工大学信息工程与自动化学院,云南昆明650500昆明理工大学信息工程与自动化学院,云南昆明650500昆明理工大学信息工程与自动化学院,云南昆明650500
信息技术与安全科学
沙猫群优化算法动态伴随种群镜像螺旋搜索动态边界围捕策略交叉学习无线传感器网络覆盖
《计算机工程与科学》 2026 (7)
P.1305-1318,14
国家自然科学基金(32060193,62062047)云南省重大科技专项计划(202202AD080006)。
评论