多项式变异和自适应权重优化的阿奎拉鹰算法

针对基本阿奎拉鹰算法存在收敛精度低、易陷入局部最优的问题，通过在全局搜索阶段引入多项式变异扰动策略，在局部开发阶段引入自适应权重优化策略，改进了阿奎拉鹰算法的局部探索能力，并且引入了Tent混沌映射初始化种群，增加种群多样性，引入动态转换概率策略来平衡全局探索和局部开发的比重，故提出多项式变异和自适应权重优化的阿奎拉鹰算法。采用基本阿奎拉鹰算法、哈里斯鹰算法、灰狼算法、鲸鱼算法、海鸥算法做对比，9个基准测试函数和2个工程优化问题对改进后的算法进行寻优性能验证，结果表明：改进后的算法在多数测试函数上取得较好的寻优效果，在工程优化问题中，效果优于多数对比算法。证明了改进后的算法具有更快的收敛速度和精度，并在工程应用中取得较好效果。