刘景森，马义想，李 煜

(1.河南大学 软件学院,河南 开封 475004；2.河南大学 河南省智能数据处理工程研究中心,河南 开封 475004；3.河南大学 管理科学与工程研究所,河南 开封 475004)

0 引言

优化是一个非常活跃的研究领域，它在指定约束条件下探索给定问题的最优解，主要目的是解决一些复杂的大规模工程问题。目前优化领域最常用的有效方法之一是基于仿生学的生物元启发式优化算法，如受蚂蚁寻找食物过程中释放信息素发现路径行为启发提出的蚁群算法(Ant Colony Optimization, ACO)[1-3]；受飞鸟集群捕食行为启发提出的粒子群算法(Particle Swarm Optimization, PSO)[4-6]；受布谷鸟寄生育雏行为启发提出的布谷鸟搜索算法(Cuckoo Search Algorithm, CSA)[7-8]；受蝙蝠利用声呐探测猎物、避开障碍物启发提出的蝙蝠算法(Bat Algorithm, BA)[9-11]；受花朵授粉方式不同启发提出的花朵授粉算法(Flower Pollination Algorithm, FPA)[12-13]；受樽海鞘在海洋中游弋和觅食行为启发提出的樽海鞘群算法(Salp Swarm Algorithm, SSA)[14-15]；模拟蝴蝶觅食行为及散发香味特性提出的蝴蝶优化算法(Butterfly Optimization Algorithm, BOA)[16-17]等。这些机制各有特点、性能各具优势的算法，在不断地提出、改善、比较和优胜劣汰中，为解决大规模复杂实际工程优化问题提供了良好的解决思路与设计方案，也吸引了大量国内外学者的关注与研究。

函数极值优化问题是测试算法寻优性能的主要方法，而工程设计约束优化问题则是启发式优化算法的一个重要应用领域和研究热点。对工程设计问题的优化方法大致分为确定性抽象方法和元启发式方法两大类。确定性抽象方法对初始值敏感，是解决简单优化问题的一种有效方法，却通常无法解决复杂工程设计问题。……