Abstract

The simplicity and effectiveness of a recently proposed metaheuristic, butterfly optimization algorithm (BOA) have gained huge popularity among research community and are being used to solve optimization problems in various disciplines. However, the algorithm is suffering from poor exploitation ability and has a tendency to show premature convergence to local optima. On the other hand, the mutualism phase of another popular metaheuristic symbiosis organisms search (SOS) is known for its exploitation capability. In this paper, a novel hybrid algorithm, namely m-MBOA is proposed to enhance the exploitation ability of BOA with the help of mutualism phase of SOS. To evaluate the effectiveness of m-MBOA, thirty-seven (37) classical benchmark functions are considered and the performance of m-MBOA is compared with the performance of ten (10) state-of-the-art algorithms. Statistical tools have been employed to observe the efficiency of the m-MBOA qualitatively, and obtained results confirm the superiority of the proposed algorithm compared to the state-of-the-art metaheuristic algorithms. Finally, four real-life optimization problem, namely gear train design problem, gas compressor design problem, cantilever beam design problem and three-bar truss design problem are solved with the help of the newly proposed algorithm, and the results are compared with the obtained results of different popular state-of-the-art optimization techniques and found that the proposed algorithm is more efficient than the compared algorithms.

中文翻译：

---

m-MBOA：一种通过互惠机制增强的新型蝶形优化算法

摘要

最近提出的元启发式蝶形优化算法（BOA）的简单性和有效性已在研究界中广为流行，并被用于解决各个学科中的优化问题。然而，该算法具有开发能力差的趋势，并且倾向于过早收敛到局部最优。另一方面，另一种流行的启发式共生生物搜索（SOS）的互惠阶段以其开发能力而闻名。本文提出了一种新的混合算法，即m-MBOA，以在SOS的互惠阶段的帮助下提高BOA的利用能力。为了评估m-MBOA的有效性，考虑了三十七（37）个经典基准函数，并将m-MBOA的性能与十（10）个最新算法的性能进行了比较。统计工具已被用来定性地观察m-MBOA的效率，并且获得的结果证实了所提出算法与最新的元启发式算法相比的优越性。最后，借助新提出的算法，解决了齿轮系设计问题，气体压缩机设计问题，悬臂梁设计问题和三杆桁架设计问题四个实际优化问题，并将结果与​​所得结果进行了比较。不同流行的最先进的优化技术的结果，发现所提出的算法比比较算法更有效。统计工具已被用来定性地观察m-MBOA的效率，并且获得的结果证实了所提出算法与最新的元启发式算法相比的优越性。最后，借助新提出的算法，解决了齿轮系设计问题，气体压缩机设计问题，悬臂梁设计问题和三杆桁架设计问题四个实际优化问题，并将结果与​​所得结果进行了比较。不同流行的最先进的优化技术的结果，发现该算法比比较算法更有效。统计工具已被用来定性地观察m-MBOA的效率，并且获得的结果证实了所提出算法与最新的元启发式算法相比的优越性。最后，借助新提出的算法，解决了齿轮系设计问题，气体压缩机设计问题，悬臂梁设计问题和三杆桁架设计问题四个实际优化问题，并将结果与​​所得结果进行了比较。不同流行的最先进的优化技术的结果，发现该算法比比较算法更有效。并获得的结果证实了该算法与最新的元启发式算法相比的优越性。最后，借助新提出的算法，解决了齿轮系设计问题，气体压缩机设计问题，悬臂梁设计问题和三杆桁架设计问题四个实际优化问题，并将结果与​​所得结果进行了比较。不同流行的最先进的优化技术的结果，发现该算法比比较算法更有效。并获得的结果证实了该算法与最新的元启发式算法相比的优越性。最后，借助新提出的算法，解决了齿轮系设计问题，气体压缩机设计问题，悬臂梁设计问题和三杆桁架设计问题四个实际优化问题，并将结果与​​所得结果进行了比较。不同流行的最先进的优化技术的结果，发现该算法比比较算法更有效。