Оптимизатор жуков-оптимизаторов (DVO) является метаэвристическим алгоритмом с быстрой сходимостью и сильной способностью к поиску оптимального решения, который проявляет отличные характеристики при решении различных задач оптимизации. Однако этот алгоритм имеет проблему попадания в локальный оптимум и низкой точности сходимости при работе с крупномасштабными сложными задачами оптимизации. В этой связи предлагается адаптивный оптимизатор жуков, основанный на механизме упругого отжига (ADVO). Во-первых, с помощью нелинейного уменьшения меняется коэффициент сходимости для балансировки потребности в глобальном исследовании и локальной разработке, что позволяет улучшить скорость сходимости и качество поиска; во-вторых, вводится стратегия жадной дифференцированной оптимизации для усиления разнообразия популяции, повышения способности к глобальному поиску и предотвращения преждевременной сходимости; наконец, механизм упругого отжига используется для возмущения случайно выбранных особей, что способствует выбору из локальных оптимумов, улучшению качества решения и стабильности алгоритма. Экспериментальные результаты на наборах базовых функций CEC 2017, CEC 2022 и базовых тестовых схемах MCNC продемонстрировали эффективность, превосходство и универсальность ADVO.

Metaheuristic algorithm;Dung beetle optimizer;Convergence factor;Greedy difference optimization strategy;Elastic annealing mechanism