基于透镜反向学习优化的小龙虾智能算法ECOA：全局与局部搜索的平衡艺术

简介：
本文介绍了一种创新性的智能算法——ECOA，该算法结合了透镜反向学习机制，在寻求全局最优解的同时，巧妙地融入了局部搜索策略，为解决复杂优化问题提供了新的视角和解决方案。 新型小龙虾智能优化算法ECOA：全局搜索与局部搜索的平衡艺术 由Jia Heming等人在2023年提出的小龙虾优化算法（Crayfish Optimization Algorithm，COA）是一种基于小龙虾觅食、避暑和竞争行为的新颖智能优化方法。该算法以其快速且强大的搜索能力而著称，并能够有效协调全局与局部探索之间的平衡。 COA主要包括三个关键阶段：觅食、避暑以及竞争。 在觅食过程中，小龙虾会朝向食物移动并根据其大小采取不同的进食策略； 当环境温度过高时，在避暑环节中，它们会选择进入洞穴以躲避高温，并通过接近最优解来提高算法的效率和收敛速度； 而在竞争阶段，面对其他小龙虾对同一资源的需求，它们将进行位置调整与争夺，从而扩大了搜索范围并增强了探索能力。 为了进一步优化COA的表现，文中提出了一种基于透镜反向学习改进的小龙虾优化算法（ECOA）。通过在23个经典基准测试函数上的对比实验表明，这种改进后的ECOA取得了显著的效果。