计算机工程与科学

作者：陈心怡, 张孟健, 王德光

单位：1.贵州大学电气工程学院，贵州 贵阳 550025；2.华南理工大学计算机科学与工程学院，广东 广州 510006

关键词：白鲸优化算法,Fuch映射,动态反向学习,参数混沌策略,工程优化问题,

基金：贵州省省级科技计划(黔科合基础-ZK［2022］一般103);贵州省教育厅创新群体(黔科合支撑［2021］012);贵州省教育厅青年科技人才成长项目(黔教合KY字［2022］138号);贵州大学科研基金资助项目(贵大特岗合字［2021］04号)

针对标准白鲸优化算法(BWO)存在收敛精度低、自适应能力有限和抗停滞能力弱等缺点，从混沌初始化、参数混沌和非线性控制策略3个角度，提出2种基于Fuch映射和动态反向学习的改进白鲸优化算法(CIOEBWO和CPOEBWO)。采用Fuch混沌初始化，提高算法初始化种群的遍历性，从而提升算法寻优精度和收敛速度；在开发阶段，引入Fuch混沌映射对参数C1进行动态调节，协调算法的全局搜索和局部搜索，有效提高算法自适应能力；基于上述2种改进方式，分别引入动态反向学习策略，丰富优质个体数量，提升算法整体抗停滞能力。根据8种基本测试函数仿真实验和Friedman秩检验结果可得，改进算法的收敛精度、自适应能力和抗停滞能力均得到了有效提升。与BWO和CIOEBWO相比，CPOEBWO显现出较为优异的性能。此外，从CPOEBWO与常见的6种对比算法的寻优结果可知，CPOEBWO算法有较强的寻优能力和鲁棒性。最后，为展示CPOEBWO算法的适用性和有效性，将其应用于工程优化问题。

来源：2024年第8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2024年第8期