흑날개 수리의 휴리스틱 최적화 알고리즘과 오스프레이 융합 및 그 공학적 응용

집단 지성 최적화 방법은 최근 몇 년 동안 다목적 최적화 문제의 해결책으로 꾸준히 인기를 얻고 있습니다. 이러한 연구는 다목적 최적화 문제가 고차원 목표 공간을 가지고 있어 어려움을 겪기 때문에 많은 주목을 받고 있습니다. 흑날개 수리 최적화 알고리즘은 여전히 전역 검색과 지역 개발 능력 간의 불균형으로 고통받고 있으며, 알고리즘의 최적화 능력을 향상시키기 위해 Cauchy 변이를 결합하더라도 지역 최적화에 취약합니다. 오스프레이 최적화 알고리즘을 융합하여 알고리즘의 검색 성능을 향상시키고 로그를 혼합하여 인구를 초기화하는 흑날개 수리의 휴리스틱 최적화 알고리즘(OCBKA)을 제안하여 흑날개 수리 알고리즘(BKA)의 검색 능력을 향상시키는 방법으로 제공합니다. CEC2005와 CEC2021 벤치마크 함수 간의 수치 비교를 사용하고 다른 집단 지성 최적화 방법 및 세 가지 공학적 최적화 문제의 해결책과 함께 업그레이드된 전략의 효율성을 확인합니다. 수치 실험 결과를 바탕으로 수정된 OCBKA는 아주 경쟁력이 있으며 복잡한 공학적 최적화 문제를 다룰 수 있는 높은 수렴 정확도와 빠른 수렴 시간을 갖추고 있습니다.