Jarratt-Butterfly混合算法提升非线性系统求解效率：新方法对比分析

本文主要探讨了沙特国王大学学报网络安全部门2022年的一篇研究报告，标题为《新的Jarratt-Butterfly混合优化算法解决非线性系统问题的效率评估》。作者们，Rami Sihwaila、Obadah Said Solaiman和Khairul Akram Zainol Ariff，来自安曼阿拉伯大学和马来西亚国民大学，他们针对非线性系统优化问题提出了一个创新的方法——Jarratt蝴蝶优化算法（JBOA）。 非线性方程组（NSE）是众多工程和科学领域中的关键组成部分，解决这类问题的准确性对于模型的成功至关重要。传统的优化算法，如蝶形优化算法（BOA）、粒子群优化（PSO）、Harris Hawk优化（HHO）、平衡优化（EO）和蚁狮优化（ALO），尽管在某些情况下有所应用，但它们往往受限于局部最优性和收敛性问题。JBOA的提出正是为了克服这些问题，通过将Jarratt方法与Butterfly优化算法相结合，提升了BOA的性能。这种方法旨在提供更精确的解，并以较少的迭代次数有效地求解非线性系统问题。 该研究通过对比八个基准系统进行评估，其中包括两个实际应用案例，来验证JBOA的效率。实验结果显示，JBOA在最佳解决方案、平均适应值、稳定性和收敛速度等方面表现出显著的优势，相对于其他比较优化算法，其表现更为出色。值得注意的是，这项工作是在2022年7月30日初次提交，经过修订后于8月2日接受，并于8月5日在线发布，采用了开放访问的CC BY-NC-ND许可证，允许在特定条件下分享和使用。 这篇文章的核心内容是对Jarratt-Butterfly混合优化算法在解决非线性系统问题上的创新方法及其在实际应用中的高效性能进行了深入分析和实证验证，为非线性方程组求解提供了一种新的有效工具。