基于觅食能力分配搜索任务的侏儒猫鼬优化算法.pdfVIP

基于觅食能力分配搜索任务的侏儒猫鼬优化算法--第1页

广西民族大学学报自然科学版

（）

第29卷第3期JOURNALOFGUANGXIMINZUUNIVERSITYVol.29No.3

2023年8月（NaturalScienceEdition）August2023

基于觅食能力分配搜索任务的

侏儒猫鼬优化算法*

张宁11，21

，王勇，张伟

（1.广西民族大学人工智能学院，广西南宁530006；

2.广西混杂计算与集成电路设计分析重点实验室，广西南宁530006）

摘要：针对侏儒猫鼬优化算法存在的不足，提出一种基于觅食能力分配搜索任务的侏儒

猫鼬优化算法。首先采用tent混沌自适应步长平衡全局搜索与局部开发；针对al⁃

pha组搜索盲目性问题，优化其移动方向及移动能力；针对侦察组算法移动方向存

在误导性问题，增强其个体纠错能力，从而提升个体觅食能力；改进保姆组移动算

法，提升种群的局部开发能力；最后提出一种新的种群觅食策略，平衡各算法之间

调用策略，提升算法整体性能。通过解决12个基准测试函数与支持向量机的参数

优化问题，对该文算法性能进行数值实验验证。实验结果表明FADMO的全局收

敛精度与全局收敛速度均有明显提高，并适用于实际问题求解。

关键词：智能优化；侏儒猫鼬优化算法(DMO)；觅食能力分配任务；支持向量机参数优化

中图分类号：TP391文献标识码：A文章编号：1673-8462（2023）03-0074-12

0引言侏儒猫鼬优化算法（DwarfMongooseOptimiza⁃

tion，DMO）

由于群智能优化算法在科学、工程等诸多领域［16］是Agushaka等人受侏儒猫鼬群体内部

社会分工及各分工下协同觅食行为的启发，于2022年

［1-2］［3-4］［5-6］

（如图像处理、路径规划、参数优化等）已经得

到了较好的应用，因而群智能优化算法的研究越来越提出的一种新的群智能优化算法。然而DMO存在全

受到国内外研究者的重视。目前针对群智能优化算法局收敛速度慢、优化精度不高、易陷入局部最优等问

的研究主要有：一种是原创性地提出群智能优化算法题。针对DMO存在之不足，国