Zusammenfassung - Ein mehrstrategischer verbesserten Schlangen-Optimierer für dreidimensionale Drohnen-Pfadplanung und ingenieurwissenschaftliche Probleme

Ein mehrstrategischer verbesserten Schlangen-Optimierer für dreidimensionale Drohnen-Pfadplanung und ingenieurwissenschaftliche Probleme

2025-07-18 16:11:35

{"Genliang Li","Yaxin Cui","Jinyu Su"}

{cs.RO,cs.AI,cs.CE}

Das Papier stellt einen neuen Multi-Strategischen Verbesserten Schlangen-Optimierer (MISO) Algorithmus für die Lösung von Optimierungsproblemen vor, insbesondere mit einem Fokus auf dreidimensionale UAV-Pfadplanung und ingenieurtechnische Designprobleme. Hier ist eine Zusammenfassung der wichtigsten Punkte: **Motivation**: * Der ursprüngliche Schlangen-Optimierer (SO) Algorithmus, inspiriert durch das Verhalten der Schlangenpaarung, weist Limitationen wie eine langsame Konvergenzgeschwindigkeit und Anfälligkeit für lokale Optima auf. * MISO zielt darauf ab, diese Limitationen durch die Einführung mehrerer Verbesserungsstrategien zu beheben. **Verbesserungsstrategien**: 1. **Adaptive zufällige Störstrategie (DSO)**: Diese Strategie verwendet eine Sinusfunktion, um zufällige Störungen einzuführen, was dem Algorithmus hilft, lokale Optima zu verlassen und den Suchraum effektiver zu erkunden. 2. **Adaptive Levy-Flugstrategie (LSO)**: Inspiriert durch die Flugmuster von Levy-Flügen, ermöglicht diese Strategie dem weiblichen Schlangenführer lange Sprünge auszuführen, was die globale Suchfähigkeit des Algorithmus verbessert. 3. **Adaptive Positionsaktualisierungsstrategie (BSO)**: Diese Strategie kombiniert elitäre Führung mit Brownian- Bewegung, was den weiblichen Schlangenführern ermöglicht, den lokalen Suchraum effizienter zu erkunden. **Evaluation**: * MISO wurde auf 30 CEC2017 Testfunktionen und 12 CEC2022 Testfunktionen getestet und seine Leistung mit 11 anderen populären Optimierungsalgorithmen verglichen. * Die Ergebnisse zeigten, dass MISO konstant besser abschnitt als die anderen Algorithmen und seine Effektivität und Effizienz demonstrierte. * MISO wurde ebenfalls auf dreidimensionale UAV-Pfadplanung und sechs ingenieurtechnische Designprobleme angewendet, was seine Praktikabilität und Anwendbarkeit weiter bestätigte. **Wesentliche Ergebnisse**: * MISO verbessert effektiv die Konvergenzgeschwindigkeit und die Lösungskvalität des SO-Algorithmus. * MISO zeigt eine starke globale Suchfähigkeit und vermeidet lokale Optima effizient. * MISO ist anwendbar auf eine breite Palette von Optimierungsproblemen, einschließlich UAV-Pfadplanung und ingenieurtechnischer Designprobleme. **Zukunftsprognosen**: * MISO kann durch die Erkundung von Populationsoffentlassung und Randkontrollmethoden weiter verbessert werden. * MISO kann auf weitere praktische Probleme angewendet werden, wie Fehlersuche, Datenmining und Parameteroptimierung von Solarkraftanlagen. **Zusammenfassend lässt sich sagen, dass MISO ein vielversprechender Optimierungsalgorithmus mit breiter Anwendung ist. Seine Effektivität und Effizienz machen ihn zu einem wertvollen Werkzeug für die Lösung komplexer Optimierungsprobleme**.