计算机工程与科学

作者：李想1, 刘杰2, 覃涛1, 李伟3, 刘影4, 杨靖1, 5

单位：1.贵州大学电气工程学院,贵州 贵阳 550025;2.中国电建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.贵州电网有限责任公司电网规划研究中心,贵州 贵阳 550001;5.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：山地瞪羚优化算法,佳点集,黄金正弦策略,涡流效应,柯西变异,

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［2022］一般017,黔科合支撑［2023］一般411,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］043,黔教技［2022］040);中国电建集团科技项目（No.DJ-ZDXM-2020-19,No.DJ-ZDXM-2022-44）;贵州大学贵州省双碳与新能源技术创新发展研究院开放课题(DCRE-2023-13)

针对山地瞪羚优化算法(MGO)收敛速度慢、收敛精度低和易陷入局部最优等问题，提出一种使用多策略改进的山地瞪羚优化算法MSIMGO。首先，采用佳点集初始化种群，提高初始种群质量；其次，融合黄金正弦策略提高收敛速度；然后，引入涡流效应改善后期种群多样性降低的情况；最后，采用柯西变异对最优瞪羚的位置进行扰动，提高了算法跳出局部最优的能力。通过与8种算法对8个基准测试函数和CEC2019基准测试函数进行寻优对比，结果表明MSIMGO具有更强的寻优能力，并且使用Wilcoxon秩和检验验证了MSIMGO的有效性。将MSIMGO应用于工程问题压力容器设计，结果表明MSIMGO处理实际工程问题的可行性和有效性。

来源：2025年第9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9期