控制与决策

作者：廖想,周安琪,刘珂,郑梓煜,付波,李超顺

单位：湖北工业大学 电气与电子工程学院，武汉 430068,,湖北工业大学 电气与电子工程学院，武汉 430068,,湖北工业大学 电气与电子工程学院，武汉 430068,,湖北工业大学 电气与电子工程学院，武汉 430068,,湖北工业大学 电气与电子工程学院，武汉 430068,,华中科技大学 土木与水利工程学院，武汉 430074,

关键词：元启发式算法;海狸算法;群智能优化;全局优化;单目标;优化算法

基金：国家自然科学基金项目(51809097)；太阳能高效利用及储能运行控制湖北省重点实验室开放基金项目(HBSEES202312)；新能源及电网装备安全监测湖北省工程研究中心开放基金项目(HBSKF202125).

为了克服传统数值方法在处理复杂优化问题时的局限性, 提高找到全局最优解的效率, 提出一种名为海狸算法(BA)的新型元启发式算法, 用于解决全局优化问题. 首先, BA根据海狸在修建海狸坝时的伐木行为, 将海狸分为质检狸、开发狸和采伐狸3种类型, 以模拟其在伐木过程中的群体合作. 其中: 开发狸以随机方式搜索未知木材地, 寻找新的木材资源; 采伐狸则奔袭至质检狸处搜集木材, 并在奔袭过程中寻找木材资源; 而质检狸引领海狸群体朝着木材资源最丰富的方向前进. 然后, 将BA在CEC 2017测试函数上进行测试, 并与其他7种算法进行比较, 研究结果显示, BA在大部分函数中获得了最佳解, 具有较强的优化能力. 最后, 将BA应用于拉伸/压缩弹簧设计、三杆桁架设计等两个具有挑战性的工程问题, 并与其他两种算法进行比较, 结果表明, BA在这些工程问题中均取得了最佳的优化结果, 相较于其他两种算法表现更为出色.

来源：2025年第3期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第3期