摘要：侏儒猫鼬优化算法（矮猫鼬优化，DMO）是新提出的一种元启发式算法，该算法具有较强的全局探索能力和稳定性，但由于原始算法中仅依靠雌性首领带领整个猫鼬种群进行搜索，会产生收敛速度较慢、易陷入局部最优以及探索阶段与开发阶段之间的平衡较差等问题。针对上述问题，提出一种融合透镜成像反向学习的精英池侏儒猫鼬优化算法（改进的侏儒猫鼬优化，IDMO）采用透镜成像反向学习策略，避免算法在迭代过程中陷入局部最优，增强算法的探索能力；在阿尔法组觅食时引入精英池策略，提高了算法的收敛精度，进一步增强算法探索能力。通过基准测试函数进行实验，表明IDMO公司算法具有良好的寻优性能和鲁棒性，且算法收敛速度得到显著提升。通过对汽车碰撞优化问题的求解，进一步验证了IDMO公司算法具有良好的适用性和有效性。
贾鹤鸣, 陈丽珍, 力尚龙, 刘庆鑫, 吴迪, 卢程浩. 透镜成像反向学习的精英池侏儒猫鼬优化算法[J] ●●●●。计算机工程与应用, 2023, 59(24): 131-139.
贾鹤明、陈丽珍、李尚龙、刘庆新、吴迪、卢成浩。基于透镜成像逆学习的精英池矮人Mongoose优化算法[J]。计算机工程与应用，2023,59（24）：131-139。
