바퀴벌레 최적화자 (DBO)는 다양한 최적화 문제의 해결시 우수한 성능을 보여주는 빠른 수렴과 강력한 최적화 능력을 갖춘 메타휴리스틱 알고리즘이다. 그러나 이 알고리즘은 대규모 복잡한 최적화 문제 해결시 지역 최적해에 빠지는 문제와 수렴 정밀도가 낮은 문제를 갖고 있다. 이에 따라 탄성 냉각 기제에 기반한 적응형 바퀴벌레 최적화자 (ADBO)가 제안되었다. 먼저 수렴 인자를 비선형적으로 조정하여 전역 탐색과 지역 개발의 요구를 균형있게 조정하여 수렴 속도와 검색 품질을 향상시킨다. 그 다음 욕심 탐욕적 차분 최적화 전략을 도입하여 인구의 다양성을 증가시키고 전역 탐색 능력을 향상시키며 조기 수렴을 피한다. 마지막으로 무작위 선택된 개체에 탄성 냉각 기제를 적용하여 지역 최적해를 벗어나 해의 품질과 알고리즘의 안정성을 향상시킨다. CEC 2017, CEC 2022 함수 세트 및 MCNC 테스트 회로와의 실험 결과는 ADBO의 효과성, 우수성 및 보편성을 확인하였다.

메타휴리스틱 알고리즘; 바퀴벌레 최적화자; 수렴 인자; 욕심 탐욕적 차분 최적화 전략; 탄성 냉각 기제