一种改进的沙丘猫优化算法求解装箱问题

针对沙丘猫优化算法容易陷入局部最优的问题,提出一种改进的沙丘猫优化算法。首先通过帐篷混沌为映射模式来增强沙丘猫群体的多样性;然后采用非线性递减模型控制参数,降低了沙丘猫个体的敏感度;为增强沙丘猫的移动能力,引入了高斯随机游走策略,使算法有更强大的全局探索能力。将沙丘猫优化改进算法和其他比较算法用于装箱问题求解,结果表明,沙丘猫优化改进算法在所有算法中代价最小,收敛速度最快。

自适应沙丘猫鲸鱼优化算法

鲸鱼优化算法原理简单、参数较少、全局搜索能力强,但在迭代后期易陷入局部最优且求解精度较低。本文将自适应收敛因子策略和沙丘猫群优化算法中随机搜索策略引入到鲸鱼优化算法中,提出了一种自适应沙丘猫鲸鱼优化算法。首先,采用自适应收敛因子策略,动态地调整算法参数a,使搜索更具连续性、稳定性与多样性,提高优化精度;其次,将沙丘猫群优化算法中引入到鲸鱼优化算法中,防止算法陷入局部最优,提高全局搜索能力;然后,通过基准测试函数进行仿真实验,并与其他几种智能群体算法进行比较,仿真实验结果表明,改进算法具有较高的优化性能;最后,利用改进算法求解机械工程优化问题,验证了改进算法的有效性和实用性。