融合组织P系统的自适应t分布蜣螂算法

TP301.6; 针对原始蜣螂算法(dung beetle optimizer,DBO)易受自身影响,导致局部搜索和全局搜索不平衡,容易陷入局部最优的问题,提出一种结合组织膜的自适应t分布蜣螂算法(adaptive t-distribution DBO with tissue-like membrane,MC-TDBO).设计自适应惯性因子改变繁育蜣螂和小偷蜣螂的步长,动态调节蜣螂个体的探索幅度,协调并优化算法的全局搜索和局部开发能力;引入鲸鱼算法改进觅食行为,促使种群向最优位置靠近,提高算法的计算精度;结合成功率和自适应t分布,提升算法跳出局部最优的能力;引入组织P系统与改进后的DBO算法结...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 61; no. 4; pp. 99 - 113
Main Authors 许家昌, 江琳, 苏树智
Format Journal Article
LanguageChinese
Published 安徽理工大学 计算机科学与工程学院,安徽 淮南 232001%安徽理工大学 计算机科学与工程学院,安徽 淮南 232001 15.02.2025
安徽理工大学第一附属医院(淮南市第一人民医院),安徽 淮南 232001
Subjects
自适应t分布
蜣螂算法
dynamic inertia weight
tissue-like P system
dung beetle optimizer algorithm
组织P系统
adaptive t-distribution
动态惯性权重
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2405-0018

Cover

More Information
Summary:TP301.6; 针对原始蜣螂算法(dung beetle optimizer,DBO)易受自身影响,导致局部搜索和全局搜索不平衡,容易陷入局部最优的问题,提出一种结合组织膜的自适应t分布蜣螂算法(adaptive t-distribution DBO with tissue-like membrane,MC-TDBO).设计自适应惯性因子改变繁育蜣螂和小偷蜣螂的步长,动态调节蜣螂个体的探索幅度,协调并优化算法的全局搜索和局部开发能力;引入鲸鱼算法改进觅食行为,促使种群向最优位置靠近,提高算法的计算精度;结合成功率和自适应t分布,提升算法跳出局部最优的能力;引入组织P系统与改进后的DBO算法结合,增强算法收敛效率.采用14个基准函数进行仿真测试,实验结果表明,MC-TDBO算法和原始DBO算法等四种算法相比,寻优速度、求解精度和稳定性均得到了显著提升.将MC-TDBO算法在阈值分割中进行应用测试,进一步验证其有效性.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2405-0018