近日，我校机械与电气工程学院制造服务与知识工程团队（张太华教授团队）在计算机科学领域1区TOP期刊 Expert Systems with Applications（IF=8.5）发表题为“ESO: An enhanced snake optimizer for real-world engineering problems”的研究论文。

论文信息

元启发式算法是解决现实优化问题的重要方法。开发有效、准确、稳定的元启发式算法已成为工程优化研究的目标。蛇优化算法（Snake Optimizer，SO）是一种具有良好优化效果的新算法，然而，由于自然规律的限制，在探索和开发阶段，参数更多是固定值，因此SO算法很快陷入局部最优并收敛缓慢。本文通过引入新的反向学习策略和新的动态更新机制（参数动态更新策略、正弦-余弦复合扰动因子、混沌扰动和柯西变异），提出了一种增强型的蛇优化算法（Enhanced Snake Optimizer，ESO），以获得更好的性能。ESO的有效性在23个经典基准测试函数和CEC 2019函数集上进行了验证。其中，23个经典基准测试函数中的13个函数具有多个维度的变体（Dim=30、100、500、1000和2000）。此外，ESO还用于解决三个工程设计优化问题。实验结果和两次统计测试表明，所提出的ESO算法比包括SO在内的其他13种常用的算法性能更好。

基于透镜成像的镜像学习策略

正余弦扰动因子

在部分函数上的收敛曲线、轨迹、平均适应度和搜索历史

在减速器、压力容器、焊接梁等设计问题上的求解结果对比

该论文通讯作者为张太华教授，第一作者为姚立国博士。该研究受到国家自然科学基金（72061006, 71761007）、贵州省科技计划项目（黔科合基础-ZK[2020]一般320）、贵州省普通高等学校青年科技人才成长项目（黔教合KY[2022]167）和贵州师范大学学术新苗基金项目（黔师新苗[2021]A30）的联合资助。

文章链接：https://doi.org/10.1016/j.eswa.2023.120594