本文提出了一种新颖的元启发式算法,称为黑猩猩优化算法(ChOA),其灵感来自黑猩猩在其群体狩猎中的个体智力和性动机,这与其他社会掠夺者不同。 ChOA旨在进一步缓解收敛速度慢和解决高维问题时陷入局部最优的两个问题。 在本文中,提出了一种具有多种智力和性动机的数学模型。 黑猩猩被称为攻击者,屏障,追赶者和驱动者的四种类型被用来模拟各种情报。 此外,实现了狩猎,驾驶,阻挡和进攻四个主要步骤。 然后,对该算法在30个著名的基准函数上进行了测试,并将结果与4种新提出的元启发式算法进行了比较,包括收敛速度,陷入局部极小值的可能性以及获得的结果的准确性。 结果表明,ChOA优于其他基准优化算法。
2021-08-12 10:55:25
12.61MB
matlab
1