中科院一区优化算法：指数三角优化算法（Exponential-Trigonometric Optimization, ETO）_指数三角优化算法(exponential-trigonometric optimization, e-CSDN博客

本文链接：https://blog.csdn.net/yuchunyu12/article/details/147064300

指数三角优化算法（Exponential-Trigonometric Optimization, ETO）是发表在中科院一区期刊“Computer Methods in Applied Mechanics and Engineering”的2024年智能优化算法

01.引言

指数三角优化算法(Exponential-Trigonometric Optimization，ETO) 算法是一种基于指数函数与三角函数融合的新型元启发式优化算法，专为复杂工程优化问题设计。该算法通过创新的数学机制平衡探索与开发阶段，引入约束搜索策略和动态转换机制，有效解决了传统算法易陷入局部最优、收敛速度慢等问题。ETO在CEC标准测试函数和压力容器设计、翼型优化等实际工程问题中展现出卓越性能，其核心创新点在于将指数衰减特性与三角函数周期性相结合，构建动态权重系数来指导搜索过程。

02.优化算法原理及流程

算法原理

1.算法核心思想

ETO通过以下机制实现高效优化：

（1）指数-三角混合机制：利用指数函数的衰减特性和三角函数的周期性振荡，构建动态权重系数α₁、α₂、α₃，控制搜索步长。

（2）阶段转换机制：通过阈值T和转换系数CM动态切换探索与开发阶段，前期侧重全局搜索，后期增强局部挖掘。

（3）约束搜索策略：动态调整搜索空间边界，逐步缩小范围以提高收敛精度。

2.数学基础

权重系数计算：

alpha_1 = rand()*3*(t/Max_Iter-0.85)*exp(abs(d1/d2)-1);  % 探索阶段权重alpha_3 = rand()*3*(t/Max_Iter-0.85)*exp(abs(d1/d2)-1.3); % 开发阶段权重alpha_2 = rand()*exp(tanh(1.5*(-t/Max_Iter-0.75) - rand())); % 第二阶段权重

阶段转换函数：

pCM = (sqrt(t/Max_Iter)^tan(d1/(d2)))*rand()*0.01;  % 控制阶段转换

3.阶段划分

第一阶段（t ≤ T）：全局探索为主，通过大范围随机扰动寻找潜在最优区域。
第二阶段（t > T）：局部开发为主，围绕当前最优解精细搜索。

算法流程与代码解析

1. 初始化阶段

 参数初始化b = 1.55; CE = floor(1+(Max_Iter/b)); % 约束搜索周期T = floor(1.2+Max_Iter/2.25); % 阶段切换阈值% 种群初始化X = initialization(N, Dim, UB, LB); % 生成初始种群Objective_values = Fobj(X); % 计算适应度[Destination_fitness, idx] = min(Objective_values);Destination_position = X(idx,:); % 全局最优解

2. 主循环流程

while t <= Max_Iter    for i = 1:N  % 遍历每个个体        for j = 1:Dim  % 遍历每个维度            % 计算动态参数d1/d2            d1 = 0.1*exp(-0.01*t)*cos(0.5*Max_Iter*(1 - t/Max_Iter));            d2 = -d1;  % 对称参数                        % 约束搜索策略激活            if t == CEi                UB_2 = ...; LB_2 = ...; % 动态调整边界                X = initialization(N,Dim,UB_2,LB_2); % 重新初始化种群            end                        % 阶段判断与位置更新            if t <= T                if CM > 1  % 探索阶段                    X(i,j) = ...;  % 公式(8)                else        % 开发阶段                     X(i,j) = ...;  % 公式(14)                end            else                if CM < 1  % 第二阶段开发                    X(i,j) = ...;  % 公式(16)                else        % 第二阶段探索                    X(i,j) = ...;  % 公式(12)                end            end        end    end        % 适应度更新与排序    Objective_values = Fobj(X);    [~, sorted_idx] = sort(Objective_values);    Destination_position_second = X(sorted_idx(2),:); % 次优解        t = t + 1;end

3.关键操作详解

动态边界调整：当迭代次数达到CEi时，根据当前最优解和次优解重新计算搜索边界，增强局部搜索能力。

UB_2 = Destination_position(j) + (1-t/Max_Iter)*abs(rand()*Destination_position(j)-...);LB_2 = Destination_position(j) - (1-t/Max_Iter)*abs(rand()*Destination_position(j)-...);