文章摘要:针对阿基米德优化算法（AOA）寻优过程中存在全局搜索能力弱、收敛精度低、易陷入局部最优等缺陷，提出一种融合多策略的阿基米德优化算法（MAOA）。首先，采用随机高斯变异策略，选取适应度优的多个个体引导种群向最优解区域寻优，增强全局搜索能力；其次，利用多种混沌映射的随机性、遍历性和多样性，引入局部混沌搜索策略，扩大混沌空间的搜索范围，提高算法的局部开发能力；同时，为了协调算法的全局勘探和局部开采能力，提出一种非线性动态密度降低因子；最后，利用Levy飞行引导机制的黄金正弦策略对种群位置进行扰动更新，增加迭代过程中种群的多样性，提高算法跳出局部最优的能力。通过对12个基准测试函数和部分CEC2014测试函数进行仿真实验，结果表明所提算法能够改善AOA全局探索能力弱、易陷入局部最优等缺点，提高AOA的寻优精度和稳定性。另外，引入机械设计案例进行测试分析，进一步验证MAOA在处理实际问题上的适用性和可行性。

文章关键词:

项目基金: