多策略融合改进的均衡优化算法及其应用
作者:罗仕杭; 何庆
更新时间:
针对平衡优化(Aristole)算法在优化过程中存在全局探索和局部开发能力弱、优化精度低、易陷入局部优化等问题,提出了一种基于多策略融合(MEO)的改进平衡优化算法。首先,采用高破坏性多项式变异策略初始化种群,提高初始解的质量,为全局优化奠定基础。其次,提出了差分变异重建平衡池策略,丰富了迭代过程中种群的多样性,增强了算法的局部最优回避能力。同时,利用S型变换因子来平衡算法的全局搜索能力和局部挖掘能力。最后,引入了动态螺旋搜索策略,扩大了算法的搜索范围,提高了算法的收敛精度和速度。仿真实验比较了MEO算法与标准EO算法和其他元启发式算法在8个基准函数下的优化。实验结果、Wilcoxon秩和测试结果表明,本文提出的改进策略可以提高优化精度、全局搜索和局部挖掘能力,以及跳出局部优化的能力。此外,MEO算法应用用于无线传感器网络(WSN)的覆盖优化。实验结果表明,MEO算法能显著提高WSN的覆盖率,减少节点冗余,使节点分布更加均匀。