蛇形 locomotion 学习搜索算法

本研究引入了一种新颖的启发式算法，称为蛇形 locomotion 学习搜索算法（Snake Locomotion Learning Search, SLLS），用于解决优化问题。SLLS 借鉴了蛇类（尤其是蟒蛇式和蟑蜀式） locomotion 所观察到的运动模式。我们利用这两种蛇类 locomotion 模式在 SLLS 中构建两种不同的搜索机制。为了模拟蛇类自然适应环境的方式，我们引入了由 Sigmoid 函数生成的学习效率分量。这有助于在整个 SLLS 计算过程中在探索与开发之间取得平衡。通过将 SLLS 应用于 60 个标准基准优化问题和 7 个著名工程优化问题来展示该创新算法的有效性和效果。性能分析表明，在大多数情况下，SLLS 在其他算法中表现更优，即使在剩余情形下，也表现出稳健的性能。这符合“没有免费定律”，确认 SLLS 作为一种具有显著潜力的有效解决特定优化挑战的有价值启发式算法。