CGTO：一款效果优秀的改进人工大猩猩优化算法及其与其他算法的对比研究

改进人工大猩猩优化算法(CGTO，2021年提出的优化算法较新)，自己研究的改进方法，没有任何成果产出，有没有一款较新的智能算法且效果好一些的呢，那么今天它来了，CGTO通过改进勘探阶段公式，混沌映射以及C的公式还有开发阶段的更新公式。
详细的改进公式会在readme文件给出(包括一些修改事项和您发paper的一些注意事项，包您不重复)。
与鲸鱼优化算法，北方苍鹰优化算法，蜣螂优化算法，和未改进大猩猩算法，在初始种群数量为30，最大迭代次数为500，独立运行次数为30的情况下进行对比，运行效果如下。
附带测试函数图像，以对比收敛曲线一起看。
效果比我改进的北方苍鹰算法好一些，比改进的沙丘猫群算法差一点。
但总的来说，CGTO算法效果仍然优秀(可与网上改进的算法进行比较，也可与paper里效果比较，看收敛精度与收敛速度)，无论您是想优化神经网络，还是优化pid或者其他工程应用(不提供工程应用的程序)，都是不错的选择。
把握机会
新算法 + 改进 + 效果非常好 + 目前做的人非常少 = paper[旺柴]

ID:38430702224116939

Maya

改进人工大猩猩优化算法的研究与应用

摘要：本文介绍了一种改进的人工大猩猩优化算法（CGTO），该算法于2021年提出，通过改进勘探阶段公式、混沌映射以及C的公式还有开发阶段的更新公式来提高算法的效果。与鲸鱼优化算法、北方苍鹰优化算法、蜣螂优化算法以及未改进的大猩猩算法进行对比实验，结果显示CGTO算法在优化各种问题上都具有较好的性能。本文详细讨论了CGTO算法的改进思路和性能评估。

1. 引言
   优化算法作为一种重要的工具在各个领域中得到广泛应用。然而，传统的优化算法在解决复杂问题时表现出局部最优解和收敛速度慢等问题。因此，研究者们不断提出新的优化算法以提高求解效果。其中人工大猩猩优化算法是一种较新的智能算法，但其初始版本还存在一些改进的空间。

2. CGTO算法改进思路
   为了提高人工大猩猩优化算法的求解效果，我们提出了一种改进的CGTO算法。该算法主要从以下几个方面进行了改进：

2.1 改进勘探阶段公式
传统的勘探阶段公式在探索新解空间时存在一定的局限性。我们通过对公式进行改进，提高了算法的搜索能力和全局最优解的寻找效果。

2.2 引入混沌映射
混沌映射作为一种具有随机性的函数，可以增加算法的多样性，有助于跳出局部最优解。我们将混沌映射引入CGTO算法，并通过调整参数来适应不同问题的求解。

2.3 更新开发阶段公式
在开发阶段，传统的公式在迭代过程中容易陷入局部最优解，导致算法的收敛速度较慢。我们改进了开发阶段的公式，提高了求解速度和搜索能力。

3. CGTO算法性能评估
   为了评估CGTO算法的性能，我们与其他几种优化算法进行了对比实验。在初始种群数量为30，最大迭代次数为500，独立运行次数为30的情况下，我们对鲸鱼优化算法、北方苍鹰优化算法、蜣螂优化算法以及未改进的大猩猩算法进行了测试。

实验结果显示，CGTO算法相比其他算法在优化问题上具有较好的效果。图表展示了各算法的收敛曲线对比，可以清晰地观察到CGTO算法更快地收敛到全局最优解。

4. 应用场景
   CGTO算法在优化神经网络、PID调参以及其他工程应用中具有广泛的应用前景。无论是优化神经网络的结构参数，还是调整PID控制器的系数，都可以使用CGTO算法来提高系统的性能。

5. 结论与展望
   本文介绍了改进人工大猩猩优化算法的研究与应用。通过改进勘探阶段公式、引入混沌映射以及更新开发阶段公式，CGTO算法在各种优化问题上展现出了较好的性能。然而，仍然存在一些可以改进的地方，例如进一步调整参数、尝试其他混沌映射函数等。未来的研究可以继续探索CGTO算法在更多领域中的应用，并进一步优化算法的性能。

关键词：改进人工大猩猩优化算法，优化算法，混沌映射，收敛曲线，应用场景

【相关代码 程序地址】： http://nodep.cn/702224116939.html