协方差学习BBO优化器

变量耦合寻优更准

将集成协方差矩阵学习嵌入生物地理学优化算法，利用种群分布信息提取决策变量间的耦合特征，在复杂优化问题上表现更好。

Jian, Li · 曹子建 · Fuguang, Liu · 傅妍芳 · Xiao, Li · Tian, Feng

Expert Systems with Applications 2023

技术优势

能抓住变量耦合

利用当前种群子集的分布信息建立特征坐标系，引导个体沿耦合方向寻优，从而更准确地利用变量间关系。

可嵌入现有变体

ICML 作为一个模块嵌入原始 BBO 及三种变体，无需修改算法主体即可提升它们在复杂问题上的表现。

基准上已验证

在 CEC2005 和 CEC2017 测试套件以及真实视觉目标跟踪问题上表现有效，证明其适用范围不限于合成函数。

应用场景

• 视觉目标跟踪：优化跟踪器参数，应对目标外观变化和遮挡，提升跟踪鲁棒性。
• 复杂系统优化：处理决策变量相互耦合的优化问题，找到全局较优解。
• 工业过程优化：用于参数众多且存在交互的工业过程优化，提升性能指标。