摘要
随着优化问题复杂性的增加，现有的方法往往不足以应对这些挑战，因此迫切需要更加灵活和强大的方法来解决各种优化问题。元启发式算法在这方面成为了强有力的工具，因为它们具有灵活性、易于实现，并且适用于高维和复杂的问题。本文介绍了一种名为“高级思维技能优化器”（HTSO）的新元启发式算法，该算法的灵感来源于教育理论中的高级思维技能（HOTS）。HTSO模拟了HOTS的四个关键方面：创造力、问题解决能力、批判性思维和决策能力。创造力反映了人类对知识的内在追求，促使人们探索未知领域；面对困难时，人们会专注于收集信息来解决问题。然而，由于信息质量参差不齐，批判性思维对于有效评估信息至关重要。在HTSO中，创造力负责探索，问题解决能力负责利用这些信息。尤为重要的是，批判性思维作为一个元认知控制器，用于评估解决方案的质量，并动态指导创造策略的选择和调整，从而确保探索与利用之间的有效平衡。此外，HTSO被设计为一种用户友好的算法，参数调整需求极少，其主要参数在多种问题类型和维度下表现出了很强的鲁棒性，这提高了其实际应用价值。实验在三个具有多个维度的CEC基准集上进行（CEC-2017：30维、50维、100维；CEC-2020：10维、15维、20维；CEC-2022：10维、20维），并将HTSO与21种其他算法进行了比较，其中包括几种CEC冠军算法。结果表明，HTSO在大多数测试函数上的表现均优于其他算法，显示出高效性和鲁棒性。此外，HTSO还在12个现实世界的约束工程优化问题中与14种算法进行了对比。最后，HTSO和其他14种算法被应用于七种不同复杂山区的无人机3D路径规划任务中。HTSO在所有测试的实际工程问题和无人机路径规划场景中均取得了最佳性能，持续优于其他比较算法。这些结果证明了HTSO在解决实际优化挑战方面的有效性和潜力。
