發(fā)布時(shí)間：2021-12-28 01:24

　　灰狼優(yōu)化算法是模擬灰狼捕食行為的新型智能優(yōu)化算法。原始灰狼算法由于種群迭代更新始終靠近最優(yōu)解,所以存在易陷入局部最優(yōu)解以及早熟收斂過(guò)快的現(xiàn)象。為了解決該問(wèn)題,提出了一種基于禁忌搜索的灰狼優(yōu)化算法,在原始灰狼優(yōu)化算法中引入禁忌表的策略。禁忌表可以記錄若干次歷史搜索記錄,下輪算法迭代可通過(guò)檢索禁忌表來(lái)避免迂回搜索。當(dāng)算法多次迭代且無(wú)法進(jìn)一步獲得更優(yōu)解時(shí),對(duì)當(dāng)前最優(yōu)解再進(jìn)行一輪禁忌搜索,使得算法在一定次數(shù)內(nèi)避免再次回到歷史搜索中,進(jìn)而跳出局部最優(yōu)。通過(guò)對(duì)8個(gè)Benchmark基準(zhǔn)函數(shù)的尋優(yōu)測(cè)試表明,改進(jìn)后的算法與原始灰狼優(yōu)化算法和粒子群算法相比,其全局搜索能力獲得顯著提高,收斂速度加快,收斂精度更高,尋優(yōu)能力更佳。 

【文章來(lái)源】：計(jì)算機(jī)技術(shù)與發(fā)展. 2019,29(12)

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

測(cè)試函數(shù)尋優(yōu)迭代仿真

為了進(jìn)一步對(duì)比三種算法脫離局部最優(yōu)的能力,給出了八組測(cè)試函數(shù)下的TS-GWO,GWO,PSO的50次實(shí)驗(yàn)執(zhí)行平均最優(yōu)適應(yīng)度值曲線,如圖1所示。圖1 測(cè)試函數(shù)尋優(yōu)迭代仿真

【參考文獻(xiàn)】：
期刊論文
[1]融合杜鵑搜索的灰狼優(yōu)化算法在網(wǎng)絡(luò)入侵檢測(cè)特征選擇中的應(yīng)用[J]. 徐慧,付迎春,劉翔,方策,蘇軍.  工程科學(xué)與技術(shù). 2018(05)
[2]基于Tent混沌序列的灰狼優(yōu)化算法[J]. 張賈奎,崔利杰,郭慶,陳浩然.  微電子學(xué)與計(jì)算機(jī). 2018(06)
[3]用對(duì)數(shù)函數(shù)描述收斂因子的改進(jìn)灰狼優(yōu)化算法及其應(yīng)用[J]. 伍鐵斌,桂衛(wèi)華,陽(yáng)春華,龍文,李勇剛,朱紅求.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[4]基于改進(jìn)灰狼優(yōu)化算法的類(lèi)TSP問(wèn)題研究——以旅游為例[J]. 許如琪,曹敏,黃夢(mèng)雪,朱艷慧.  地理與地理信息科學(xué). 2018(02)
[5]基于改進(jìn)灰狼優(yōu)化算法的無(wú)人機(jī)三維航跡規(guī)劃[J]. 柳長(zhǎng)安,王曉鵬,劉春陽(yáng),吳華.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(10)
[6]基于智能優(yōu)化算法的互聯(lián)電網(wǎng)負(fù)荷頻率控制器設(shè)計(jì)及其控制性能分析[J]. 左劍,謝平平,李銀紅,段獻(xiàn)忠.  電工技術(shù)學(xué)報(bào). 2018(03)
[7]基于灰狼優(yōu)化的模糊C-均值聚類(lèi)算法[J]. 謝亮亮,劉建生,朱凡.  軟件導(dǎo)刊. 2017(04)
[8]具有自適應(yīng)搜索策略的灰狼優(yōu)化算法[J]. 魏政磊,趙輝,韓邦杰,孫楚,李牧東.  計(jì)算機(jī)科學(xué). 2017(03)
[9]基于灰狼優(yōu)化算法的置換流水線車(chē)間調(diào)度[J]. 呂新橋,廖天龍.  武漢理工大學(xué)學(xué)報(bào). 2015(05)

碩士論文
[1]基于灰狼算法的智能圖像分割研究[D]. 王鈦.南京郵電大學(xué) 2017



本文編號(hào)：3553125