基于Iterative映射和单纯形法的改进灰狼优化算法
为了解决基本灰狼优化算法(GWO)依赖初始种群和求解精度不高的问题,提出一种基于Iterative映射和单纯形法的改进灰狼优化算法(SMIGWO).该算法利用混沌Iterative映射产生初始灰狼种群,增强全局搜索过程中的种群多样性;采用逆不完全Γ函数更新收敛因子,以平衡算法的全局搜索和局部搜索能力;利用单纯形法的反射、扩张和收缩操作对当前较差个体进行改进,避免算法陷入局部最优.对10个测试函数进行仿真实验,数值结果表明,与基本GWO算法、SquareGWO算法、非线性收敛因子的GWO (NGWO)算法、混合GWO (HGWO)算法、粒子群优化算法(PSO)、细菌觅食算法(BFA)和引力搜索算法(GSA)相比,改进的灰狼优化算法求解精度更高,稳定性更好.
灰狼优化算法、Iterative映射、逆不完全Γ函数、单纯形法
38
TP301.6(计算技术、计算机技术)
国家自然科学基金资助项目61772416
2019-01-25(万方平台首次上网日期,不代表论文的发表时间)
共6页
16-20,54