摘要：【目的】针对蜣螂优化算法（DBO）在复杂优化问题中表现出收敛速率低、精度低、易陷入局部最优解等缺陷，本文提出一种改进的算法方案，提升其全局搜索能力和收敛性能，以便更好地解决实际工程中的优化问题。【方法】提出一种基于多策略改进的蜣螂优化算法（IDBO）。通过引入无限折叠混沌映射（ICMIC）优化种群初始化方式，改进指数收敛因子，以及引入对数螺旋反向学习策略（LSOBL），兼顾算法的整体搜索与局部优化能力。通过3类基准测试函数对IDBO进行测试，并与其他5种经典算法进行对比分析。【结果】实验结果表明，IDBO在大多数基准测试函数上表现出更快的收敛速度和更高的优化精度，尤其在单峰函数和多峰函数中优势明显。Friedman检验和Wilcoxon秩和检验统计分析，进一步验证了IDBO相较于其他算法所展现的优势。此外，将IDBO应用于工程设计问题，与其他算法相比，该算法的优化结果更为出色。【结论】IDBO通过多策略改进显著提升了全局搜索能力和收敛性能，在复杂优化问题中表现出色。未来将探索IDBO与其他算法的结合，并拓展其在更多领域的应用。
文章目录
1 引言
2 蜣螂算法设计及其改进
2.1 蜣螂算法
2.2 ICMIC混沌映射
2.3 指数收敛因子
2.4 对数螺旋反向学习策略
3 仿真实验与结果分析
3.1 基准测试函数与参数设置
3.2 实验结果与分析
3.3 Friedman检验
3.4 Wilcoxon检验
3.5 消融实验
3.6 IDBO的工程应用
4 结论与展望
