为什么蜣螂优化算法DBO改进如此简单？

前几天想着改进鲸鱼算法和麻雀优化算法，但是又不自觉地改进起了蜣螂优化算法，因为这个算法近期用的人很多，热度高，普遍认为这是个好算法。

今天就来聊聊这个算法，这个算法是东华大学沈波团队提出的算法，这个算法可改进得地方有很多。

首先，它是多子种群的算法，这样就意味着繁杂，一般人无从下手，一般人的改进可能还不如原来的改进算法呢。

我改进出来一个蜣螂算法的改进算法，暂且命名为AAADBO.

熟悉我的都知道，一般提出者吗，提出的原始算法上，都有些不足的地方，当然这个也不例外。

改进算法的想法有很多，其中很重要的思想就是算法融合，这样在论文中，就好写，有更多的内容可以写。

当然，合适的融合算法是不好找，即使找到了，你也不一定融合的好。

很多人觉得算法改进很难，但是其实只要了解算法的结构和算法的思想，就会变得很简单。

这不是几句话就能讲出来的，需要悟性。

改进不出来，也不要紧，所以才有我这样做定制算法的。

一个算法，老师压力给到你，就让你去改，你说，他什么指导也没有，全凭一张嘴，学生跑断腿，改进算法，小白当然不好改。

定制算法就节省你好多时间，你的进度就比你同组的其他人快，你就能得到你老师的认可！

你就能更快，花更少的时间，发更好的文章，拿奖！

专业的事情，交给专业的人去做！

好了，不多BB了，直接上效果图。

先说一下图中的几个算法其他三个字母的都是原始算法，感兴趣的自己去搜一下，而这个QHDBO是一个发在一区期刊上的改进DBO算法。

我把文章名字上去。感兴趣的自己去看看。

JCR Q1 中科院1区 TOP （Expert Systems with Applications）

中文名叫：基于量子计算和多策略融合的蜣螂优化(QHDBO) ，

英文名叫： Zhu F, Li G, Tang H, et al. Dung beetle optimization algorithm based on quantum computing and multi-strategy fusion for solving engineering problems[J]. Expert Systems with Applications, 2023: 121219.

先看QHDBO论文中的原始的图形，

再看我改进的算法，与QHDBO的对比图。

声明一点，我改进的算法与QHDBO一点关系也没有，只是同为蜣螂的改进算法。只是拿这个一区的top期刊用来对比。

种群大小是30，维度30，最大迭代次数500，统一设置的，，测试集是CEC2017，与原文一样，为了说明我这个改进的更好，更稳定，运行30次，计算参数，平均值，标准差，最优值，最差值，让大家看。

C1:单次迭代：

30次迭代平均：

仔细看，这都不是一个量级的，全方位碾压。

C2:单次迭代：

30次迭代平均：

这个不知道原文为什么没有把C2放进去，可能显得原文的搜索结果太大？,但是我就都进去，大家也可以跟其他蜣螂优化算法的变体进行对比。

C3:单次迭代

30次迭代平均

C4:单次迭代

30次迭代取平均

C5:单次迭代

30次迭代取平均

下面从CEC后面函数里上一些免得说只放前面的，下面是C28-C30。

C28:单次迭代

30次迭代平均取值

C29:单次迭代

30次迭代平均取值

C30:单次迭代

30次平均迭代

可以看出这个改进AAADBO的算法极好,极其稳定，QHDBO都能发一区top，这个改进的AAADBO算法当然也可以！

独家原创，只出售一次。

公众号：算法仓库，，后台回复：AAADBO