改进阴阳对优化算法提升计算精度与收敛速度

IYYPO：一种改进的阴阳对优化算法是针对复杂优化问题提出的一种创新方法，它属于进化计算领域，特别是单目标优化范畴。阴阳对优化算法的核心概念是利用两个关键点，即全局探索点P2和局部开发点P1，通过它们的迭代交换来进行优化搜索。这个过程旨在在全局搜索和局部细化之间寻找平衡，以找到最优解。 算法的关键在于用户定义参数，特别是缩放因子α，这个参数直接影响算法的搜索策略。原始的阴阳对优化算法可能对参数的选择较为敏感，这可能导致优化性能的不稳定。为了提升算法的性能，研究者对该算法进行了深入分析，提出了线性递减和非线性递减两种方式来调整缩放因子α。这些改进旨在使算法在不同阶段更有效地平衡全局和局部搜索，从而提高计算精度和收敛速度。 实验部分是通过对2013年进化计算大会上使用的28个标准测试函数进行性能评估，这些测试函数广泛用于衡量算法在解决实际问题时的效率。研究结果显示，改进后的IYYPO算法在这些测试中的表现优于原算法，显示出更好的优化效果，即计算精度的提高和收敛速度的加快。 此外，作者还通过一个具体的工程优化任务来展示了改进后的IYYPO算法在实际应用中的优势。这个案例可能涉及工业设计、控制系统优化或其他领域的复杂问题，展示了算法在解决实际工程问题时的实用性。 IYYPO算法的改进着重于参数优化，通过调整用户定义参数以适应不同类型的优化问题，显著提升了算法的性能，使之成为单目标优化问题中的一种有力工具。这对于需要高效、精确求解优化问题的科研人员和工程师来说，是一个重要的进展。