计算机工程与科学

作者：吴智祥, 刘杰, 覃涛, 陈昌盛, 李伟, 杨靖

单位：1.贵州大学电气工程学院，贵州 贵阳 550025；2.中国电力建设集团贵州工程有限公司，贵州 贵阳 550025；3.贵州大学农学院，贵州 贵阳 550025；4.贵州省“互联网+”协同智能制造重点实验室，贵州 贵阳 550025

关键词：金豺优化算法,精英反向学习,自适应能量因子,边界处理,秩和检验,工程优化,

基金：国家自然科学基金（61640014,61963009）；贵州省教育厅创新群体（黔教合KY字［2021］012）；贵州省科技支撑计划（黔科合支撑［2023］一般411,黔科合支撑［2023］一般412,黔科合支撑［2022］一般017,黔科合支撑［2024］一般051）；贵州省教育厅工程研究中心（黔教技［2022］040,黔教技［2022］043）；中国电建集团科技项目（DJ-ZDXM-2020-19,DJ-ZDXM-2022-44）；贵州省双碳研究院开放课题（DCRE-2023-13）

针对金豺优化算法求解优化问题时存在收敛速度慢、易陷入局部最优等问题，提出了一种多策略改进的精英金豺优化算法EGJO。首先，通过精英反向学习策略选取精英种群寻优求解，在提高种群质量与多样性的同时有效地提升算法的收敛精度与速度。其次，采用双面镜反射理论处理越界个体，解决种群分布不均匀的问题。再次，提出一种自适应能量因子，协调算法的全局搜索与局部开发过程。最后，对种群最优个体进行柯西变异扰动，提升算法跳出局部最优的能力。通过16个典型基准测试函数的优化仿真实验，从收敛性、鲁棒性、Wilcoxon秩和检验等方面与6种优化算法进行对比分析。实验结果表明，改进的精英金豺优化算法的收敛精度和速度均得到了显著提升。另外，将改进的精英金豺算法用于求解2个典型的工程优化问题，表明了所提算法在解决实际工程优化问题时的可行性和高效性。

来源：2025年第10期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第10期