个体扰动的混沌对立学习与差分进化灰狼算法

摘要：

针对传统灰狼优化算法易于陷入局部最优、寻优精度低的问题,提出基于混沌对立学习和差分进化机制的改进灰狼优化算法CODEGWO.引入混沌对立学习策略生成灰狼初始种群,提升初始解的质量,加速算法收敛;引入差分进化的局部搜索机制,改善灰狼的局部开发与邻近区域的搜索能力;引入个体扰动机制增加种群多样性,改进灰狼的全局搜索能力.8个单峰和多峰基准函数优化求解的测试结果表明,CODEGWO算法可以有效提升寻优精度和收敛速度.

关键词：灰狼优化算法;对立学习;混沌系统;差分进化;个体扰动

所属期刊栏目：43

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金;河北工程技术学院校级基金项目;新世纪优秀人才支持计划基金项目;河北省教育科学十三五规划课题基金项目;河北省科技支撑计划基金项目

在线出版日期：2022-03-03（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：587-595