基于交叉迁移和共享调整的改进蝴蝶优化算法

针对蝴蝶优化（monarch butterfly optimization，MBO）算法易陷入局部最优和收敛速度慢等问题，提出了一种基于改进的交叉迁移和共享调整的蝴蝶优化（MBO with cross migration and sharing adjustment，CSMBO）算法。首先，利用基于维度的垂直交叉操作来替换标准MBO算法的迁移算子，形成交叉迁移算子，有效提升其搜索能力；其次，将原始调整算子改为具有信息分享功能的共享调整算子，以加快算法的收敛速度；最后，采用贪婪选择策略取代标准MBO算法中的精英保留策略，减少一次排序操作进而提高其计算效率。为了验证CSMBO算法的优化能力，在30维和50维函数上进行优化实验，并与三种优化算法进行比较，其实验结果表明CSMBO算法具有良好的优化性能。