基于混合策略改进的鹈鹕优化算法

针对鹈鹕优化算法求解精度低、稳定性不足、易陷入局部最优等问题，文章提出一种混合策略改进的鹈鹕优化算法（IPOA）。首先，为了增强种群的随机性和多样性，扩大种群的搜索范围，引入反向折射学习机制；其次，利用正余弦算法和鹈鹕算法融合，改进鹈鹕搜索猎物的方式，增强算法的局部搜索与全局搜索能力；然后，采用Levy飞行机制对鹈鹕位置进行更新，从而提高算法的搜索能力以寻找最优值；最后，引入自适应t分布变异算子，使用算法的迭代次数作为t分布的自由度参数来增强鹈鹕种群的多样性，避免算法陷入局部最优。通过12个标准测试函数对改进算法与海鸥优化算法、黑猩猩优化算法、鲸鱼优化算法、蛇群优化算法和基本鹈鹕优化算法进行测试比较，结果表明，IPOA具有更好的收敛速度和稳定性。最后将改进鹈鹕算法应用于压力容器设计优化问题，进一步证实改进后的算法具有较好的求解性能。