动态调整成长方式的郊狼优化算法及其应用

摘要：

郊狼优化算法在迭代运行时种群多样性降低,收敛速度变慢,易陷入局部最优,并且在求解约束优化问题时难以获得可行解.提出一种动态调整成长方式的郊狼优化算法(DGCOA).在狼群进化中引入变异交叉策略,增强种群多样性,基于郊狼成长策略加入全局最优个体指导搜索,使得每个子种群中的个体从不同的方向快速逼近最优解位置,并根据种群中个体相似度对郊狼位置更新方式进行调整,平衡算法的全局探索与局部开发能力.在求解约束优化问题时,利用自适应约束处理方法构建新的适应度函数,协调优化目标和约束违反度.基于CEC2006对22个测试函数和3个工程设计问题进行仿真,结果表明,与COA、ICTLBO、ODPSO等算法相比,DGCOA算法具有较高的收敛精度和稳定性,适用于求解复杂优化问题.

关键词：郊狼优化算法、变异交叉、约束处理、测试函数、工程优化

所属期刊栏目：48

分类号：TP18(自动化基础理论)

资助基金：国家重点研发计划;国家自然科学基金;国家自然科学基金;中央高校基本科研业务费专项

在线出版日期：2022-09-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：73-81