融合差分变异和切线飞行的天鹰优化器

摘要: 针对天鹰优化器(Aquila Optimizer，AO)虽然拥有强大的全局勘探能力，但局部开发能力不足的问题，提出融合差分变异和切线飞行的天鹰优化器(Differential Evolution mutation and tangent flight Aquila Optimizer，DEtanAO)。首先，根据差分进化算法中的变异操作能使算法具有较强的开发能力弥补了AO算法的不足，然后，利用切线搜索算法中切线飞行策略具有较强的探索搜索空间的能力并能使算法跳出局部最优解的优势，用其替换了AO算法中的莱维飞行。这两种策略的结合有效地平衡了DEtanAO算法的勘探和开发阶段。最后，为验证DEtanAO算法的优化性能，在12个标准基准函数、高维函数、Wilcoxon秩和检验和工程优化问题上来测试所改进算法的寻优能力。实验结果表明，相比其他新提出的智能算法，DEtanAO算法具有更强的寻优能力和更快的收敛速度。