多策略融合改进的均衡优化算法及其应用

针对均衡优化(EO)算法寻优过程中存在兼顾全局探索和局部开发能力弱、寻优精度低、易陷入局部最优等问题,提出多策略融合改进的均衡优化算法(MEO)。首先,采用高破坏性多项式突变策略初始化种群,提高初始阶段解的质量,为全局寻优奠定基础;其次,提出差分变异的重构均衡池策略,丰富迭代过程中种群的多样性,增强算法规避局部最优的能力;同时,采用S型变换因子平衡算法的全局探索和局部开发能力;最后,引入动态螺旋搜索策略,扩大算法的搜索范围,提高算法的收敛精度和速度。仿真实验将MEO算法与标准EO算法以及其他元启发式算法在8个基准测试函数上进行寻优比较,实验结果与Wilcoxon秩和检验结果均表明,本文改进策略能提高EO算法的寻优精度、全局探索和局部开发的能力以及跳出局部最优的能力。另外,将MEO算法应用在无线传感器网络(WSN)覆盖优化中,实验结果表明,MEO算法可以显著提高WSN的覆盖率,降低节点的冗余度,使节点分布更均匀。