计算机应用研究

作者：王丽娟,刘姝含,王剑,田亚旗,

单位：1.华北水利水电大学电气工程学院,郑州450045；2.华中科技大学人工智能与自动化学院,武汉430074；

关键词：蛇优化算法,精英初始化,K近邻,振荡因子,工程优化,

基金：国家自然科学基金面上项目(72071084)；河南省教育厅高等学校重点科研项目(22A120008)；；

蛇优化算法（SO）是一种受自然界中蛇生存行为启发产生的元启发式优化算法。原始蛇优化算法存在收敛速度慢、易陷入局部最优的问题，因此提出了一种结合精英初始化和K近邻的改进蛇优化算法（elite initialization and K-nearest neighbors improved snake optimizer，EKISO）。首先，为了提高初始种群质量，在种群初始化阶段提出精英初始化的方法，根据种群精英个体产生优质初始种群个体；其次，通过振荡因子优化螺旋觅食策略扩大全局勘探阶段的搜索范围、提高算法的局部逃逸能力；最后，在局部开发阶段提出K近邻思想的位置更新方法，增强种群个体之间的信息交互能力，从而加快收敛速度、提高收敛精度。利用14个经典测试函数和4个CEC2017测试函数将该方法与其他7种优化算法进行对比，证明EKISO收敛速度更快、精度更高且不易陷入局部最优。为了进一步验证EKISO的实用性与可行性，将EKISO应用于压力容器设计问题中，通过实验对比分析可知，EKISO在处理实际优化问题上具有一定的优越性。

来源：2024年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第9期