一种改进的红嘴蓝鹊算法及其在约束优化问题中的应用

红嘴蓝鹊优化（RBMO）算法是一种受红嘴蓝鹊觅食行为启发的元启发式方法。然而，传统的 RBMO 在解决高维约束优化问题时，由于过度依赖种群均值向量，往往会出现早熟收敛和性能退化。为了解决这些局限性，本研究通过多策略融合框架提出了一种改进的红嘴蓝鹊优化（IRBMO）算法。IRBMO 通过 Logistic-Tent 混沌映射增强种群多样性，通过动态平衡因子协调全局和局部搜索能力，并整合了一种协同 Jacobi 曲线策略与 Lévy 飞行策略的双模态扰动机制以平衡探索与开发。为了验证 IRBMO 的有效性，在 CEC-2017（30D、50D、100D）和 CEC-2022（10D、20D）基准测试集上与 16 种算法进行了全面比较。随后，在四个约束工程设计问题中，将 IRBMO 与其他 10 种竞争算法进行了严格评估，以验证其在现实世界优化场景中的实际有效性和鲁棒性。最后，IRBMO 被应用于 3D 无人机路径规划，在成功避开危险区域的同时性能优于 15 种其他算法。实验结果证实，与经典 RBMO 和其他同类算法相比，IRBMO 在鲁棒性、收敛精度和速度方面均表现出统计学上显著的提升，为复杂优化挑战提供了一种高效的解决方案。