杨柳庆 杨婷婷 王鹏飞 张 勇

（1.南京航空航天大学无人机研究院，江苏南京210016；2.南京航空航天大学中小型无人机先进技术工业和信息化部重点实验室，江苏南京210016；3.南京航空航天大学自动化学院，江苏南京210016）

1 引 言

科学和工程应用中的大部分优化问题都非常复杂，具有挑战性。传统方法倾向于使用特定问题的信息指导产生解决方案，因此传统方法是高度特色化的，普适性不强，传统方法具有线性编程和凸优化［1］的特点，同时有很多缺陷和不足，比如解决问题过程极其复杂、易陷入局部最优解。传统方法已经很难解决当前面临的工程应用问题，当前的趋势之一是使用元启发式算法，该算法大多数源于各种自然现象，可分为基于自然进化（EA）的算法、基于物理学技术的算法和群智能算法（SI）三大类。其中，最受欢迎和最具代表性的算法是群智能算法中的粒子群优化算法［2］（PSO）和蚁群优化算法（ACO）［3］。除了这两种算法，还有很多有效的元启发式算法，这些算法的特点是计算简单、不需要使用优化问题的派生信息，而且能在不改变算法结构的情况下解决多种类型的优化问题。

平衡优化算法（EO）［10］是Afshin Faramarzia 和Mohammad Heidarinejad 于2020年提出的一种基于物理学技术的算法，受动态资源和库模型的启发，该算法用于估计平衡状态。算法基于控制体积的动态质量平衡，其中质量平衡方程根据各种资源库模型来描述控制体积中非反应性成分的浓度。莱维飞行策略有助于在探索和开发之间获得更好的平衡，并且在很大程度上可以防止陷入局部最优解。……