基于桨板启发的自适应记忆与精英精化高尔夫球优化算法研究

《Symmetry》:A Novel Golf Optimization Algorithm with Paddleboard Childcare and Industry Development–Inspired Strategy for Global Optimization and Practical Engineering Challenges

【字体: 大 中 小 】 时间:2026年09月29日 来源:Symmetry 2.2

编辑推荐:

   摘要 为克服原始高尔夫球优化算法(Golf Optimization Algorithm, GOA)在高维复杂优化

  

摘要

为克服原始高尔夫球优化算法(Golf Optimization Algorithm, GOA)在高维复杂优化问题中存在的种群多样性不足、搜索参数适应性有限以及后期陷入停滞等局限性,本研究提出了一种桨板启发的自适应记忆与精英精化高尔夫球优化算法(Paddleboard-Inspired Adaptive Memory and Elite Refinement Golf Optimization Algorithm, PAMER-GOA)。所提算法融合了三种互补机制:第一,桨板护理与工业发展启发策略(Paddleboard Care and Industrial Development-Inspired Strategy, PCIDIS)通过分层镜像初始化、差分搜索和精英引导改善种群分布并增强全局探索能力;第二,双记忆自适应工业投资策略(Dual-Memory Adaptive Industrial Investment Strategy, DMAIIS)利用成功历史信息动态调整缩放因子和交叉概率,从而提升搜索参数与不同进化阶段之间的匹配度;第三,精英子空间主轴精化与停滞重分配策略(Elite Subspace Principal-Axis Refinement and Stagnation Reallocation Strategy, ESPRS)结合精英区域精化、差分扰动和稀疏柯西变异以加强局部开发能力,并帮助停滞个体逃离局部最优。消融实验和参数敏感性分析验证了各策略的互补贡献及关键参数设置的合理性。在CEC2017基准测试套件上,PAMER-GOA在30维和100维设置中分别有19个和14个(共29个)函数取得了最低的平均适应度值,且在Friedman检验中排名第一,平均排名分别为1.79和2.24。在CEC2020基准测试套件上,PAMER-GOA再次排名第一,在10维和20维设置中Friedman平均排名分别为1.20和1.40。Wilcoxon秩和检验结果进一步表明,PAMER-GOA在大多数测试函数上显著优于对比算法。运行时实验显示,在30维CEC2017基准测试套件上,PAMER-GOA平均运行时间为0.5333秒,仅比原始GOA的0.4685秒多0.0648秒,表明性能提升仅带来了有限的额外计算开销。PAMER-GOA还被应用于无线传感器网络节点部署问题,在30节点和40节点场景下分别取得了0.1553和0.1402的最优平均目标函数值,从而验证了其解决实际工程优化问题的能力。总体而言,结果表明PAMER-GOA在大幅提升原始GOA求解精度、收敛行为及综合统计排名的同时,在不同的基准测试套件、维度设置和节点部署场景下均保持了很强的综合竞争力。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号