为了提升黑猩猩优化算法开发精度和全局搜索能力,通过观察、总结4~6岁幼儿园小朋友行为特点,建立数学模型,提出一种新的元启发式算法:幼儿园小朋友优化算法(kindergarten children optimization algorithm,KCOA)。在算法设计上,幼儿园...为了提升黑猩猩优化算法开发精度和全局搜索能力,通过观察、总结4~6岁幼儿园小朋友行为特点,建立数学模型,提出一种新的元启发式算法:幼儿园小朋友优化算法(kindergarten children optimization algorithm,KCOA)。在算法设计上,幼儿园小朋友拥有玩具吸引、找伙伴、小红花三种社会行为。玩具吸引策略体现最优个体的引领作用。找伙伴策略增加普通小朋友间相互交流、提升普通小朋友个体自主探索种群空间能力,避免因最优个体错误判断让整个种群陷入局部极值点、搜索停滞。小红花策略实时评估当前小朋友位置状态,及时更新劣解、提升算法收敛速度和寻优精度。通过对23个基准测试函数的寻优对比分析、Wilcoxon秩和统计检验、Friedman排名以及部分CEC2014测试函数寻优结果对比,KCOA算法相比黑猩猩、两种改进黑猩猩、粒子群等优化算法在开发精度和寻优稳定性上都具有显著优势。最后,通过两个工程问题证实了该算法的有效性。KCOA算法求解弹簧、减速器设计问题对比黑猩猩优化算法最优开销分别减少0.85%、2.13%。展开更多
文摘为了提升黑猩猩优化算法开发精度和全局搜索能力,通过观察、总结4~6岁幼儿园小朋友行为特点,建立数学模型,提出一种新的元启发式算法:幼儿园小朋友优化算法(kindergarten children optimization algorithm,KCOA)。在算法设计上,幼儿园小朋友拥有玩具吸引、找伙伴、小红花三种社会行为。玩具吸引策略体现最优个体的引领作用。找伙伴策略增加普通小朋友间相互交流、提升普通小朋友个体自主探索种群空间能力,避免因最优个体错误判断让整个种群陷入局部极值点、搜索停滞。小红花策略实时评估当前小朋友位置状态,及时更新劣解、提升算法收敛速度和寻优精度。通过对23个基准测试函数的寻优对比分析、Wilcoxon秩和统计检验、Friedman排名以及部分CEC2014测试函数寻优结果对比,KCOA算法相比黑猩猩、两种改进黑猩猩、粒子群等优化算法在开发精度和寻优稳定性上都具有显著优势。最后,通过两个工程问题证实了该算法的有效性。KCOA算法求解弹簧、减速器设计问题对比黑猩猩优化算法最优开销分别减少0.85%、2.13%。
