人工大猩猩部队优化算法如何应用于单目标优化问题求解？

本文共计641个文字，预计阅读时间需要3分钟。

1. 简介+元启发式算法在解决优化问题中起着至关重要的作用，其中大多数都受到自然界中生物群体的智能启发。本文提出了一种新的启发式算法，灵感来源于自然界中的狼群行为。

1 简介

元启发式算法在解决优化问题中起着至关重要的作用，其中大多数都受到自然界中自然生物的集体智慧的启发。 本文提出了一种新的启发式算法，其灵感来自于大猩猩部队在自然界中的社会智能，称为人工大猩猩部队优化器（GTO）。 在这个算法中，大猩猩的集体生活是用数学公式表示的，并且设计了新的机制来进行探索和开发。 为了评估 GTO，我们将其应用于 52 个标准基准函数和 7 个工程问题。 Friedman 检验和 Wilcoxon 秩和统计检验在统计上比较了所提出的方法与几种现有的元启发式方法。 结果表明，GTO 在大多数基准函数上的性能优于比较算法，特别是在高维问题上。 结果表明，与其他元启发式算法相比，GTO 可以提供更好的结果。