Multi-strategy enhanced sand cat swarm optimization algorithm and its engineering applications
5.5
来源：
Nature
关键字：
deep learning brain science
发布时间：
2025-10-02 23:41
摘要：
本研究提出了一种多策略增强沙猫群优化算法（MESCSO），旨在解决原始沙猫群优化算法在收敛速度和局部最优问题上的不足。通过改进初始化策略、引入动态参数和局部搜索机制，MESCSO在23个标准基准函数和CEC2014基准函数上进行了广泛的实验，结果显示其在全局搜索能力和收敛速度方面均优于其他主流算法。此外，MESCSO在多个工程优化问题中也表现出色，证明了其实际应用的潜力。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
0.0
business_impact
0.0
scientific_rigor
1.5
timeliness_innovation
1.5
investment_perspective
2.5
market_value_relevance
0.0
team_institution_background
0.5
technical_barrier_competition
0.0
关键证据
提出了一种多策略增强沙猫群优化算法（MESCSO），通过改进初始化、动态参数调整和局部搜索策略等方法，显著提高了优化性能。
MESCSO算法在23个标准基准函数和CEC2014基准函数上进行了广泛的比较实验，显示出优越的全局搜索能力和收敛速度。
MESCSO算法在多个工程优化问题中表现出色，显示出其实际应用的潜力。
真实性检查
否
AI评分总结
本研究提出了一种多策略增强沙猫群优化算法（MESCSO），旨在解决原始沙猫群优化算法在收敛速度和局部最优问题上的不足。通过改进初始化策略、引入动态参数和局部搜索机制，MESCSO在23个标准基准函数和CEC2014基准函数上进行了广泛的实验，结果显示其在全局搜索能力和收敛速度方面均优于其他主流算法。此外，MESCSO在多个工程优化问题中也表现出色，证明了其实际应用的潜力。