
-
生物通官微
陪你抓住生命科技
跳动的脉搏
多策略优化蜉蝣优化算法在大学报销表格提交终端选址中的应用表现
《Scientific Reports》:Performance of multi-strategy optimized mayfly optimization algorithm for location selection of university reimbursement form submission terminals
【字体: 大 中 小 】 时间:2026年08月28日 来源:Scientific Reports 4.9
编辑推荐:
摘要蜉蝣优化算法(MOA)是一种具有竞争性搜索能力的群体智能算法,但可能存在过早收敛和后期探索阶段不稳定的问题。本研究提出了一种多策略优化的蜉蝣优化算法(MSMOA),以提高MOA的整体优化性能。MSMOA整合了逻辑混沌初始化、非线性自适应加权因子、Lévy飞行扰动以及PSO引导
蜉蝣优化算法(MOA)是一种具有竞争性搜索能力的群体智能算法,但可能存在过早收敛和后期探索阶段不稳定的问题。本研究提出了一种多策略优化的蜉蝣优化算法(MSMOA),以提高MOA的整体优化性能。MSMOA整合了逻辑混沌初始化、非线性自适应加权因子、Lévy飞行扰动以及PSO引导的学习机制,从而增加初始化的随机性、调整搜索过程、引入长距离随机扰动,并提供额外的信息共享指导。该算法在30D、50D和100D设置下的可扩展基准函数以及两个固定维度的函数上进行了评估,并与MOA、PSO、GWO、SSA和DESMA进行了30次独立运行的比较。MSMOA在所有比较算法中获得了最佳的整体平均排名,并在高维设置下保持了竞争性性能。双侧Wilcoxon秩和检验支持了观察到的性能差异的统计可靠性,消融实验表明这四个组件共同促进了整体性能的提升。最后,一个报销终端选址案例初步展示了MSMOA在简化静态设施选址问题中的适用性。