尹世宏;罗启芳;杜燕莲;周永泉 DTSMA：基于自适应T分布变异的优势群粘菌算法。 （英语） Zbl 1491.90136号 数学。Biosci公司。工程师。 19，第3期，2240-2285（2022年）。 摘要：黏菌算法（SMA）是最近提出的一种元启发式算法，它是受黏菌振荡的启发而提出的。与其他算法类似，SMA也存在勘探与开发平衡不足、容易陷入局部最优等缺点。提出了一种基于自适应t分布变异优势群的改进SMA（DTSMA）。在DTSMA中，使用优势群提高了SMA的收敛速度，使用自适应t分布变异平衡增强了搜索和开发能力。此外，一种新的开发机制被杂交以增加种群的多样性。在CEC2019功能和八个工程设计问题上验证了DTSMA的性能。结果表明，对于CEC2019功能，DTSMA性能最好；对于工程问题，在满足约束条件的情况下，DTSMA得到了比SMA和文献中许多算法更好的结果。此外，利用DTSMA求解了一个7自由度机器人的逆运动学问题。总体结果表明，DTSMA具有较强的优化能力。因此，DTSMA是一种很有前途的全局优化问题的元启发式优化方法。 引用于1文件 MSC公司： 90C26型 非凸规划，全局优化 90 C59 数学规划中的近似方法和启发式 关键词：泥模算法;t分布突变;功能优化;工程问题;元启发式优化 软件：TLMPA公司;安全保障局;WOA公司;AOA公司;DTSMA公司;变色龙蜂群;全球野生动物组织;ALO公司;世界煤炭协会 PDF格式BibTeX公司 XML格式引用 \textit{S.Yin}等人，《数学》。Biosci公司。工程19，编号3，2240--2285（2022；Zbl 1491.90136） 全文： 内政部 OA许可证 参考文献： [1] J、 牛顿多目标优化方法，SIAM J.Optim。，20, 602-626 (2009) ·Zbl 1195.90078号 ·doi:10.1137/08071692X文件 [2] Ž. Povalej，多目标优化的准Newton方法，计算杂志。申请。数学</i> ，（2013），765-777。doi:<a href=“http://dx.doi.org/10.1016/j.cam.2013.06.045“target=”_blank“>10.1016/j.cam.2013.06.045</a>·Zbl 1291.90316号 [3] J、 具有充分下降条件的非线性共轭梯度法求解大规模无约束优化问题，数学。问题。工程，2009，1-16（2009）·Zbl 1184.65066号 ·doi:10.1155/2009/243290 [4] M、 混沌云量子蝙蝠混合优化算法，非线性动力学。，103, 1167-1193 (2021) ·doi:10.1007/s11071-020-06111-6 [5] D、 比例积分微分控制器高效设计中泥模算法的性能比较分析，Electrica，21，151-159（2021）·doi:10.5152/electrica.2021.20077 [6] C、 函数和工程优化问题的基于教学的探路算法，应用。智力。(2020) ·doi:10.1007/s10489-020-02071-x [7] J、 遗传算法和机器学习，马赫。学习。，3, 95-99 (1988) ·doi:10.1023/A：1022602019183 [8] R、 差分进化——一种在连续空间上进行全局优化的简单而有效的启发式算法，J.Glob。优化。，11, 341-359 (1997) ·Zbl 0888.90135号 ·doi:10.1023/A:1008202821328 [9] S、 模拟退火优化：定量研究，J.Stat.Phys。，34, 975-986 (1984) ·doi:10.1007/BF01009452 [10] L.K.Grover，数据库搜索的快速量子力学算法，第二十八届ACM计算理论研讨会论文集-STOC’96，（1996），212-219。doi:<a href=“http://dx.doi.org/10.1145/237814.237866“target=”_blank“>10.1145/237814.237866</a>·Zbl 0922.68044号 [11] O、 一种新的优化方法：Big Bang-Big Crunch，高级工程师软件。，37, 106-111 (2005) ·doi:10.1016/j.advengsoft.2005.04.005 [12] B、 ACROA：用于全局优化的人工化学反应优化算法，专家系统。申请。，38, 13170-13180 (2011) ·doi:10.1016/j.eswa.2011.04.126 [13] H、 闪电搜索算法，应用。软计算。，36, 315-333 (2015) ·doi:10.1016/j.asoc.2015.07.028 [14] S、 Multi-Verse Optimizer：一种用于全局优化的自然启发算法，神经计算。申请。，27, 495-513 (2015) ·doi:10.1007/s00521-015-1870-7 [15] 五、 传热搜索（HTS）：一种新的优化算法，Inf.Sci。，324, 217-246 (2015) ·doi:10.1016/j.ins.2015.06.044 [16] W、 地下水弥散系数估算的新型原子搜索优化，Future Gener。计算。系统。，91, 601-610 (2018) ·doi:10.1016/j.future.2018年5月37日 [17] A、 平衡优化器：一种新的优化算法，Knowl-基于系统。，191105190（2020）·doi:10.1016/j.knosys.2019.105190 [18] R.Eberhart，J.Kennedy，使用粒子群理论的新优化器，MHS’95。《第六届微型机器与人类科学国际研讨会论文集》，（1995），39-43。doi:<a href=“http://dx.doi.org/10.109/MHS.1995.494215“target=”_blank“>10.1109/MHS.1995.494215</a>。 [19] D、 一种强大而高效的数值函数优化算法：人工蜂群（ABC）算法，J.Glob。优化。，39, 459-471 (2007) ·Zbl 1149.90186号 ·数字对象标识代码：10.1007/s10898-007-9149-x [20] R、 基于教学的优化：约束机械设计优化问题的一种新方法，计算-辅助设计。，43, 303-315 (2011) ·doi:10.1016/j.cad.2010.12.015 [21] S、 灰狼优化器高级工程师软件。，69, 46-61 (2014) ·doi:10.1016/j.advengsoft.2013.12.007 [22] S、 鲸鱼优化算法，高级工程软件。，95, 51-67 (2016) ·doi:10.1016/j.advengsoft.2016.01.008 [23] S、 Salp Swarm Algorithm:工程设计问题的生物启发优化器，高级工程师软件。，114, 163-191 (2017) ·doi:10.1016/j.advengsoft.2017.07.002 [24] E、 一种受社交蜘蛛专家系统行为启发的群优化算法。申请。，40, 6374-6384 (2013) ·doi:10.1016/j.eswa.2013.05.041 [25] G、 海鸥优化算法：大型工业工程问题的理论及其应用，知识-基于系统。，165, 169-196 (2018) ·doi:10.1016/j.knosys.2018.11.024 [26] A、 海洋捕食者算法：一种自然启发的元启发式专家系统。申请。，152, 113377 (2020) ·doi:10.1016/j.eswa.2020.113377 [27] A、 哈里斯-霍克斯优化：算法与应用，未来世代。计算。系统。，97, 849-872 (2019) ·doi:10.1016/j.未来2019.02.028 [28] H、 新型元神经秃鹰搜索优化算法Artif。智力。版次：532237-2264（2019）·doi:10.1007/s10462-019-09732-5 [29] S、 Slime Mold算法：一种新的随机优化方法，Future Gener。计算。系统。，111, 300-323 (2020) ·doi:10.1016/j.未来.2020.03.055 [30] M、 变色龙群算法：用于解决工程设计问题的生物灵感优化器，专家系统。申请。，174, 114685 (2021) ·doi:10.1016/j.eswa.2021.114685 [31] D、 优化没有免费午餐定理，IEEE Trans。进化。计算。，167-82（1996年）·doi:10.1109/4235.585893 [32] Y、 多旅行推销员问题的一种新的状态转移模拟退火算法，J.Supercomput。(2021) ·doi:10.1007/s11227-021-03744-1 [33] K、 一种用于光伏电池和组件参数识别的性能引导JAYA算法，应用。能源，237241-257（2019）·doi:10.1016/j.apenergy.2019.01.008 [34] C、 基于邻域质心反向学习的Harris-Hawks优化神经网络训练，Evol。智力。(2020) ·doi:10.1007/s12065-020-00465-x [35] A、 基于Firefly算法的改进煤泥模型特征选择算法：基于QSAR模型的案例研究，工程计算。(2021) ·doi:10.1007/s00366-021-01342-6 [36] M、 一种高效的二元黏菌算法，与用于特征选择的新型攻击馈送策略Compute相结合。工业工程，153107078（2021）·doi:10.1016/j.cie.2020.10708 [37] M、 HSMA_WOA：一种新的混合Slime mold算法和鲸鱼优化算法，用于解决胸部X射线图像的图像分割问题，应用。软计算。，95, 106642 (2020) ·doi:10.1016/j.soc.2020.106642文件 [38] S、 基于扩散关联粘菌算法和Renyi熵的多级阈值图像分割，用于慢性阻塞性肺疾病，计算机。生物医学，134104427（2021）·doi:10.1016/j.compbiomed.2021.104427 [39] M、 J.King Saud Univ.Comput使用leader sline mold算法对多光谱图像基于归一化平方差的多级阈值技术。信息科学。(2020) ·doi:10.1016/j.jksuci.020.10.30 [40] D、 使用三二极管模型和混合海洋捕食者-黏菌算法Energy Convers对部分遮光条件下的光伏系统进行建模的可靠方法。管理。，243, 114269 (2021) ·doi:10.1016/j.enconman.2021.114269 [41] M、 提出了一种基于黏菌算法的太阳能光伏板优化模型参数提取的新策略，Sustain。能源技术。评估。，42, 100849 (2020) ·doi:10.1016/j.seta.2020.100849 [42] A、 使用改进的黏菌优化器和Lambert W函数识别PV模型的参数，能源代表，7875-887（2021）·doi:10.1016/j.egyr.201.01.093 [43] Y、 用于光伏模型参数识别的推进泥模算法，能源，234121164（2021）·doi:10.1016/j.energy.2021.121164 [44] C、 估计太阳能光伏电池参数的一种新的随机黏菌优化算法，Optik，223165277（2020）·doi:10.1016/j.ijleo.2020.165277 [45] D、 应用基于滑模的改进群智能算法解决移动机器人的路径规划和避障问题。软计算。，107, 107372 (2021) ·doi:10.1016/j.soc.2021.107372文件 [46] R、 混沌对立增强的黏菌算法，用于最小化高空风力涡轮机的能源成本，ISA Trans。(2020) ·doi:10.1016/j.isatra.2021.04.011 [47] M、 用于优化经济排放调度的泥模算法的开发和应用，专家系统。申请。，182, 115205 (2021) ·doi:10.1016/j.eswa.2021.115205 [48] Y、 使用改进的黏菌算法优化无功功率调度，《能源报告》，78742-8759（2021）·doi:10.1016/j.egyr.2021.11.138 [49] B、 一种用于求解0-1背包问题的增强型二元黏菌算法，工程计算。(2021) ·doi:10.1007/s00366-021-01470-z [50] S、 混合人工神经网络模型与泥模算法：预测城市随机需水量的新方法，水，12，2692（2020）·doi:10.3390/w12102692 [51] Z、 基于K-Means聚类和混沌泥模算法的高效参数自适应支持向量回归，IEEE Access，8156851-156862（2020）·doi:10.1109/ACCESS.2020.3018866 [52] S.Ekinci，D.Izci，H.L.Zeynelgil，S.Orenc，《泥模算法在电力系统稳定器参数优化中的应用》，2020年第四届多学科研究与创新技术国际研讨会，土耳其伊斯坦布尔，（2020），1-5。doi:<a href=“http://dx.doi.org/10.1109/IMSSIT50672.2020.9254597“target=”_blank“>10.1109/ISMSIT50672.20200.9254597</a>。 [53] Y、 结合K-最近邻的高效煤泥模型算法在医学分类任务中的应用，IEEE Access，9，113666-113682（2021）·doi:10.1109/ACCESS.2021.3105485 [54] M、 MOSMA:基于精英非支配排序的多目标泥模算法，IEEE Access，9，3229-3248（2021）·doi:10.1109/ACCESS.2020.3047936 [55] C、 推进量子旋转门嵌入泥模算法，专家系统。申请。，115082 (2021) ·doi:10.1016/j.eswa.2021.115082 [56] E、 组合优化和全局优化问题的混合泥模算法和自适应引导差分进化算法，专家系统。申请。，174, 114689 (2021) ·doi:10.1016/j.eswa.2021.114689 [57] H、 自适应levy-assisted salp swarm算法：分析和优化案例研究，数学。计算。同时。，181, 380-409 (2020) ·doi:10.1016/j.matcom.2020.09.027 [58] J.Zhao，Z.-M.Gao，W.Sun，《改进的黏菌算法与Levy飞行》，J.Phys。Conf.序列号</i> ，1617年（2020年），012033。doi:<a href=“http://dx.doi.org/10.1088/1742-6596/1617/1/012033“target=”_blank“>10.1088/1742-6596/1617/1/012033</a>。 [59] X.Zhang，Y.Xu，C.Yu，A.A.Heidari，S.Li，H.Chen等人，高斯变异混沌果蝇构建的优化和特征选择，<i>专家系统。申请</i> ，（2019），112976。doi:<a href=“http://dx.doi.org/10.1016/j.eswa.2019.112976“target=”_blank“>10.1016/j.eswa.2019.112976</a>。 [60] S.Song、P.Wang、A.A.Heidari、M.Wang，X.Zhao、H.Chen等，《Dimension decided Harris hawks optimization with Gaussian mutation：Balance analysis and diversity patterns》，《Knowl》-基于系统</i> ，（2020年），106425。doi:<a href=“http://dx.doi.org/10.1016/j.knosys.2020.106425“target=”_blank“>10.1016/j.knosys.2020.106425</a>。 [61] N、 使用柯西和高斯正弦余弦优化的部分阴影光伏系统的单传感器MPPT，IEEE Trans。能量转换。，983-992 (2017) ·doi:10.1109/TEC.2017.2669518 [62] S、 火焰优化算法：一种新的自然启发启发式范式，Knowl-基于系统。，89228-249（2015年）·doi:10.1016/j.knosys.2015.07.006 [63] S.Mirjalili，《蚁狮优化器》，高级工程师软件</i> ，（2015），80-98。doi:<a href=“http://dx.doi.org/10.1016/j.advengsoft.2015.01.010“target=”_blank“>10.1016/j.advengsoft.2015.01.010</a>。 [64] S.Mirjalili，《蜻蜓算法：用于解决单目标、离散和多目标问题的新型元神经优化技术》，《神经计算》。申请</i> ，（2016），1053-1073。doi:<a href=“http://dx.doi.org/10.1007/s00521-015-1920-1“target=”_blank“>10.1007/s00521-015-1920-1</a>。 [65] S、 SCA：用于解决优化问题的正弦余弦算法，Knowl-基于系统。，96, 120-133 (2016) ·doi:10.1016/j.knosys.2015.12.022 [66] H、 一种新的元神经优化器：Pathfinder算法，Appl。软计算。，78, 545-568 (2019) ·Zbl 1390.90590号 ·数字对象标识代码：10.1007/s13369-014-1156-x [67] S、 用于粒子群优化的自主粒子群，阿拉伯。科学杂志。工程，39，4683-4697（2014）·Zbl 1390.90590号 ·数字对象标识代码：10.1007/s13369-014-1156-x [68] 五十、 约束工程设计问题的高斯量子粒子群优化方法，专家系统。申请。，37, 1676-1683 (2010) ·doi:10.1016/j.eswa.2009.06.044 [69] S.Mirjalili，S.Z.M.Hashim，一种新的用于函数优化的混合PSOGSA算法，2010年计算机和信息应用国际会议，（2010），374-377。doi:<a href=“http://dx.doi.org/10.109/ICCIA.2010.6141614“target=”_blank“>10.1109/ICCIA.2010.6141614</a>。 [70] S.Rahnamayan、J.Jesuthasan、F.Bourennani、H.Salehinejad、G.F.Naterer，《通过涉及全体人口计算反对派》，2014年IEEE进化计算大会（CEC），（2014），1800-1807。doi:<a href=“http://dx.doi.org/10.1109/CEC.2014.6900329“target=”_blank“>10.1109/CEC.2014.6900329</a>。 [71] M.H.Nadimi-Shahraki，S.Taghian，S.Mirjalili，H.Faris，MTDE：一种有效的基于多试验向量的差分进化算法及其在工程设计问题中的应用。软计算</i> ，<b>97</b>（2020），106761。doi:<a href=“http://dx.doi.org/10.1016/j.asoc.2020.106761“target=”_blank“>10.1016/j.asoc.2020.106761</a>。 [72] Y.Li，X.Lin，J.Liu，《解决工程问题的改进灰狼优化算法》，可持续性，（2021），3208。doi:<a href=“http://dx.doi.org/10.3390/su13063208“target=”_blank“>10.3390/su13063208</a>。 [73] C.Tang，Y.Zhou，Q.Luo，Z.Tang，工程优化问题的增强型探路算法，《工程计算》</i> ，（2021年）。doi:<a href=“http://dx.doi.org/10.1007/s00366-021-01286-x“target=”_blank“>10.1007/s00366-021-01286-x</a>。 [74] A、 一种自适应Harris Hawks优化算法，具有基于对立学习和混沌局部搜索策略，用于全局优化和特征选择，Int.J.Mach。学习。赛博。（2021年）·doi:10.1007/s13042-021-01326-4 [75] A、 布谷鸟搜索算法：解决结构优化问题的元启发式方法，工程计算。，29, 17-35 (2011) ·doi:10.1007/s00366-011-0241-y [76] L.Abualigah，A.Diabat，S.Mirjalili，M.Abd Elaziz，A.H.Gandomi，《算术优化算法》，计算。方法应用。机械。工程，376（2020），113609。doi:<a href=“http://dx.doi.org/10.1016/j.cma.2020.113609“target=”_blank“>10.1016/j.cma.2020.113609</a>·Zbl 1506.90276号 [77] S、 用于全局优化的内存引导正余弦算法，工程应用。Artif公司。整数。，93, 103718 (2020) ·doi:10.1016/j.engappai.2020.103718 [78] S、 用于全局优化任务的基于内存的灰狼优化程序，应用程序。软计算。，93, 106367 (2020) ·doi:10.1016/j.asoc.2020.106367 [79] S、 《蚱蜢优化算法：理论与应用》，高级工程软件。，105, 30-47 (2017) ·doi:10.1016/j.advengsoft.2017.01.004 [80] 五、 针对数值和工程优化问题的强化Harris Hawks优化器，应用。软计算。，89, 106018 (2019) ·doi:10.1016/j.asoc.2019.106018 [81] A、 矿山爆破算法：一种新的基于人口的算法，用于解决约束工程优化问题，应用。软计算。，13, 2592-2612 (2013) ·doi:10.1016/j.soc.2012.11.026 [82] D、 预学习启发的群体智能算法及其应用，Knowl-基于系统。，211, 106552 (2020) ·doi:10.1016/j.knosys.2020.106552 [83] C、 增强型综合学习粒子群优化器与基于精英的支配方案，复杂性，2020，1-24（2020）·doi:10.1155/2020/4968063 [84] 五十、 Aquila Optimizer：一种新的元神经优化算法，Compute。工业工程，157107250（2021）·doi:10.1016/j.cie.2021.107250 [85] H、 一种用于全局优化和约束实际工程问题的多策略增强正弦余弦算法，应用。数学。计算。，369, 124872 (2019) ·Zbl 1433.90121号 ·doi:10.1016/j.amc.2019.124872 [86] E、 用于约束工程设计问题的混合Nelder-Mead单纯形搜索和粒子群优化，专家系统。申请。，36, 3880-3886 (2009) ·doi:10.1016/j.eswa.2008.02.039 [87] M、 探索性微分蚁群优化，专家系统。申请。，159, 113548 (2020) ·doi:10.1016/j.eswa.2020.113548 [88] 十、 一种改进的进化果蝇优化算法及其应用，神经计算。申请。，329897-9914（2019）·doi:10.1007/s00521-019-04512-2 [89] B、 增强型蚱蜢优化算法，使用精英对立学习解决实际工程问题，工程计算。(2021) ·doi:10.1007/s00366-021-01368-w [90] S、 一款新颖的随机行走灰狼优化器，Swarm Evol。计算。，44, 101-112 (2018) ·doi:10.1016/j.swevo.2018.01.001 [91] P、 超车搜索（PVS）：一种新的元启发式算法，应用。数学。型号。，40, 3951-3978 (2016) ·doi:10.1016/j.apm.2015.10.040 [92] W、 改进的正弦余弦算法结合最优邻域和二次插值策略，工程应用。Artif公司。整数。，94, 103779 (2020) ·doi:10.1016/j.engappai.2020.103779 [93] W、 多核正弦余弦优化：方法和包容性分析，专家系统。申请。，164, 113974 (2020) ·doi:10.1016/j.eswa.2020.113974 [94] A、 关于全局优化和特征选择的蝶形优化方法的性能改进，PLOS ONE，16，e04242612（2021）·doi:10.1371/journal.pone.0242612 [95] K、 TLMPA：基于教学的海洋捕食者算法，AIMS数学。，6, 1395-1442 (2020) ·Zbl 1484.90146号 ·doi:10.3934/小时2021087 [96] Z、 基于互惠机制的蝴蝶和花朵授粉混合元启发式算法，用于全局优化问题，工程计算。(2020) ·doi:10.1007/s00366-020-01025-8 [97] N、 基于裸骨的正弦余弦算法用于全局优化，J.Compute。科学。，47, 101219 (2020) ·doi:10.1016/j.jocs.202.01219 [98] 五十、 用于全局优化的风力驱动蜻蜓算法，Concurr。计算。实际。实验，33，1-31（2020年）·doi:10.1002/cpe.6054 [99] Y、 基于混合进化算法和自适应约束处理技术的约束优化，Struct。多磁盘。优化。，37395-413（2009年）·doi:10.1007/s00158-008-0238-3 [100] G、 飞行松鼠优化器（FSO）：一种新的基于SI-的工程问题优化算法，伊朗优化杂志，11，177-205（2019） [101] H.Eskandar，A.Sadollah，A.Bahreininejad，M.Hamdi，《水循环算法——解决约束工程优化问题的新型元启发式优化方法》，计算。结构</i> ，（2012），151-166。doi:<a href=“网址：http://dx.doi.org/10.1016/j.com.pstruc.2012.07.010“target=”_blank“>10.1016/j.compstruc.2012.07.010</a>。 [102] 五十、 侧面碰撞防撞性的优化和稳健性，国际J.车辆。设计-INT J VEH DES，26，348-360（2001）·doi:10.1504/IJVD.2001.005210 [103] B、 基于可靠性的车辆侧面碰撞防撞性设计优化，结构。多磁盘。优化。，26, 272-283 (2004) ·doi:10.1007/s00158-003-0345-0 [104] A、 使用Firefly算法进行混合变量结构优化，计算。结构。，89, 2325-2336 (2011) ·doi:10.1016/j.compstruc.2011.08.002 [105] S.Sharma，A.K.Saha，G.Lohar，通过混合元启发式算法优化悬臂挡土墙的重量和成本，《工程计算》</i> ，（2021年）。doi:<a href=“http://dx.doi.org/10.1007/s00366-021-01294-x“target=”_blank“>10.1007/s00366-021-01294-x</a>。 [106] M、 基于混沌的Vortex Search算法求解带偏置腕关节的串联机器人逆运动学问题，应用。软计算。，89, 106074 (2020) ·doi:10.1016/j.asoc.2020.106074 [107] S、 7自由度串联机器人操作器运动学逆解的元神经建议：量子行为粒子群算法，Artif。智力。修订版，53，949-964（2020）·doi:10.1007/s10462-019-09683-x 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。