MBO帝王蝶优化算法，一种新的元启发式优化算法

资 源 简 介

MBO帝王蝶优化算法，一种新的元启发式优化算法

详 情 说 明

帝王蝶优化算法（Monarch Butterfly Optimization，MBO）是一种受自然界帝王蝶迁徙行为启发的新型元启发式优化算法。帝王蝶以其跨越数千公里的壮观迁徙闻名，算法通过理想化这一过程，模拟了蝶群在加拿大南部/美国北部（土地1）与墨西哥（土地2）之间的动态分布与移动机制。

MBO的核心设计包含两个关键算子： 迁徙算子：模拟帝王蝶的季节性迁徙，子代个体的位置通过偏移率控制生成，其移动方向与适应度相关，确保种群向更优解区域探索。 调整算子：局部优化阶段，蝶群通过随机扰动或信息共享微调位置，增强算法的开发能力。

该算法通过平衡迁徙（全局搜索）与调整（局部优化），有效避免了早熟收敛问题，适用于连续优化、组合优化等复杂问题。其自然启发的特性为传统元启发式算法提供了新的仿生学思路，尤其在多模态优化场景中表现出色。