具有自适应搜索策略的灰狼优化算法

摘要：

灰狼优化算法(Grey Wolf Optimization,GWO)是一种新型的群智能优化算法.与其他智能优化算法类似,该算法仍存在收敛速度慢、容易陷入局部极小点的缺点.针对这一问题,提出了具有自适应搜索策略的改进算法.为了提高算法的收敛速度和优化精度,通过适应度值控制智能个体位置,并引入了最优引导搜索方程;另一方面,为提高GWO的种群多样性,改进算法利用位置矢量差随机跳出局部最优.最后对10个标准测试函数进行了仿真实验,并与其他4种算法进行了比较,统计结果和Wilcoxon符号秩检验结果均表明,所提出的改进算法在收敛速度以及搜索精度方面具有明显优势.

关键词：灰狼优化算法、自适应、最优学习搜索方程、Wilcoxon符号秩检验、函数优化

所属期刊栏目：44

分类号：TP18(自动化基础理论)

资助基金：国家科学基金71501184

在线出版日期：2017-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：259-263