【摘要】：灰狼優(yōu)化算法(Grey Wolf Optimization,GWO)是一種新型的群智能優(yōu)化算法。與其他智能優(yōu)化算法類似,該算法仍存在收斂速度慢、容易陷入局部極小點(diǎn)的缺點(diǎn)。針對這一問題,提出了具有自適應(yīng)搜索策略的改進(jìn)算法。為了提高算法的收斂速度和優(yōu)化精度,通過適應(yīng)度值控制智能個體位置,并引入了最優(yōu)引導(dǎo)搜索方程;另一方面,為提高GWO的種群多樣性,改進(jìn)算法利用位置矢量差隨機(jī)跳出局部最優(yōu)。最后對10個標(biāo)準(zhǔn)測試函數(shù)進(jìn)行了仿真實驗,并與其他4種算法進(jìn)行了比較,統(tǒng)計結(jié)果和Wilcoxon符號秩檢驗結(jié)果均表明,所提出的改進(jìn)算法在收斂速度以及搜索精度方面具有明顯優(yōu)勢。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 唐浩;;蟻群算法的研究與展望[J];牡丹江教育學(xué)院學(xué)報;2009年06期

2 鄧小波;曹聰聰;龍倫海;康耀紅;;蟻群算法搜索熵研究[J];海南大學(xué)學(xué)報(自然科學(xué)版);2007年04期

3 張康;顧幸生;;全局組搜索優(yōu)化算法及其應(yīng)用研究[J];青島科技大學(xué)學(xué)報(自然科學(xué)版);2012年05期

4 李東曉;蔣珉;柴干;;蟻群算法優(yōu)化及其在高速公路緊急救援中的應(yīng)用[J];計算機(jī)技術(shù)與發(fā)展;2010年11期

5 _5文龍 ,黃

本文編號：2732139