融合镜面反射学习和信息共享策略的白鲸优化算法

针对白鲸优化算法(BWO)全局搜索能力差、优化精度低和易陷入局部最优等方面的局限,提出了一种融合镜面反射学习和信息共享策略的白鲸优化算法。为了增加白鲸群体中个体多样性,融合一种佳点集策略和镜面反射学习策略。在进行信息共享搜索策略时,部分白鲸向同伴所在领域相互获取信息,实现种群白鲸之间信息的共享与相互交流。最后,通过8个标准检验函数对改进的白鲸优化算法性能进行了全面评估,将其与其他几种算法进行了比较。仿真结果表明,改进的白鲸优化算法在迭代速度和收敛精度方面取得了显著的提升,并展现了出色的鲁棒性。

基于改进火烈鸟搜索算法的移动机器人路径规划

为改善火烈鸟搜索算法(FSA)在路径规划中易陷入局部误区的问题,提出改进FSA(IFSA)用于移动机器人路径规划。该算法引入自适应Sigmoid非线性因子实现种群动态调整,平衡了算法的全局搜索与局部搜索;同时,嵌入自适应混合精细分级的觅食位置更新方式,增强算法局部寻优能力;进一步提出随机镜面反射学习(RSRL)机制并应用于算法种群逐维学习,提高算法的寻优效率与精度。实验结果表明:IFSA能够快速获取最短路径,寻优能力优于其他算法,具有较强的稳定性和鲁棒性。