ジョッキリ最適化（DBO）は、様々な最適化問題の解決において、優れた性能を示す高速収束と強力な最適化能力を持つメタヒューリスティックアルゴリズムである。しかし、このアルゴリズムは大規模かつ複雑な最適化問題を解決する際に局所最適解に陥ったり、収束精度が低いという問題を抱えている。このため、弾性退火メカニズムに基づく適応的ジョッキリ最適化（ADBO）が提案された。まず、収束因子を非線形で調整し、グローバルな探索とローカルな開発の需要をバランスさせ、収束速度と探索の質を向上させる。次に、貪欲な差分最適化戦略を導入し、集団の多様性を高め、グローバルな探索能力を向上させると同時に早期収束を避ける。最後に、ランダムに選択された個体に弾性退火メカニズムを適用し、局所最適解を脱出し、解の質とアルゴリズムの安定性を向上させる。CEC 2017、CEC 2022の関数セットおよびMCNCのテスト回路との実験結果は、ADBOの有効性、優越性、汎用性を確認した。

メタヒューリスティックアルゴリズム; ジョッキリ最適化; 収束因子; 貪欲な差分最適化戦略; 弾性退火メカニズム