摘要
启发式算法通过借鉴自然行为和过程，被广泛用于寻找复杂问题的最优或近似最优解。尽管已经开发出了许多不同的方法，但其中普遍存在的问题是如何在探索与利用之间保持良好平衡，并避免陷入局部最优解。为解决这一问题，本文提出了一种名为黑顶林莺优化算法（BCOA）的新方法，该算法的灵感来源于黑顶林莺的导航和迁徙行为。与复杂的距离计算不同，该方法基于角度移动向量。每个搜索智能体的移动都由一个基于角度的数学模型控制，该模型结合了全局最佳角度、有效的相邻角度以及自适应的指数扰动因子。此外，该算法还采用了准遗传路径过渡机制来整合有效的父路径，并设置区域竞争阶段。这样的结构有助于降低计算成本，同时改善探索与利用之间的平衡。所提算法在32个基准函数以及7个工程和网络优化问题上进行了性能测试。仿真结果表明，与现有的几种方法相比，BCOA具有较好的避免局部最优解的能力，且能实现较为理想的收敛速度和成本降低效果。
