2023，59（6）近几十年来，科学研究和工程应用领域优化问题的复杂性和难度日愈增加，这使得优化问题的解决更具挑战性，同时优化问题的普遍存在刺激了元启发式算法的研究和发展。黑猩猩优化算法（chimpoptimization混沌精英池协同教与学改进的ChOA及其应用罗仕杭1，何庆1，21.贵州大学大数据与信息工程学院，贵阳5500252.贵州大学贵州省公共大数据重点实验室，贵阳550025摘要：针对黑猩猩优化算法存在全局搜索能力弱、寻优精度低、收敛速度慢等问题，提出一种混沌精英池协同教与学改进的黑猩猩优化算法（chimpoptimizationalgorithmimprovedbytheelitechaospoolcollaborativeteaching-learning，ECTChOA）。采用混沌精英池策略生成初始种群，增强初始解的质量和种群的多样性，为算法全局寻优奠定基础；引入自适应振荡因子平衡ChOA的全局探索和局部开发能力；结合教与学优化算法的教学阶段和粒子群优化算法的个体记忆思想优化种群位置更新过程，提高算法的寻优精度和收敛速度。仿真实验将ECTChOA与标准ChOA、其他元启发式优化算法和最新改进ChOA在12个基准测试函数下进行寻优对比，实验结果与Wilcoxon秩和检验p值结果均表明所提改进算法具有更高搜索精度、更快的收敛速度和更好的鲁棒性。另外，将ECTChOA应用于机械工程设计案例中，进一步验证ECTChOA在实际工程问题中的可行性和适用性。关键词：黑猩猩优化算法；混沌精英池；教与学优化算法；粒子群优化算法；自适应振荡因子；机械工程设计文献标志码：A中图分类号：TP301doi：10.3778/j.issn.1002-8331.2110-0273ChimpOptimizationAlgorithmImprovedbyChaosElitePoolCollaborativeTeaching-LearningandItsMechanicalApplicationLUOShihang1,HEQing1，21.CollegeofBigData&InformationEngineering,GuizhouUniversity,Guiyang550025,China2.GuizhouBigDataAcademy,GuizhouUniversity,Guiyang550025,ChinaAbstract：Chimpoptimizationalgorithmimprovedbytheelitechaospoolcollaborativeteaching-learningisproposedovercomethedrawbacksofweakglobalsearchability,lowoptimizationaccuracy,andslowconvergencespeed.Thispaperusesthechaoticelitepoolstrategytogeneratetheinitialpopulation,enhancesthequalityoftheinitialsolutionandthediversityofthepopulation,andlaysthefoundationfortheglobaloptimizationofthealgorithm.Furthermore,adaptiveoscillationfactorsareintroducedtobalanceChOA’...
