全局引导和相互作用的郊狼优化算法及其应用

摘要：

针对新型的郊狼优化算法(COA)在解决复杂优化问题时收敛速度慢、全局搜索能力不足的问题,提出了一种嵌入全局引导和相互作用的郊狼优化算法(GCCOA).首先在组内所有郊狼的成长过程中,构建一种全局引导的alpha狼,增强开采能力,提高收敛速度;然后提出一种相互作用的文化趋势,使得组内的文化趋势受到组内郊狼相互作用的影响,以此提高算法全局搜索能力;最后,将GCCOA运用到CEC2017复杂函数优化和医学图像增强上.大量实验结果表明,与COA、HFPSO、CSPSO和β-GWO等算法相比,在29个函数上,GCCOA获得22个第一,有更好的全局搜索能力和收敛质量.应用于医学图像增强的实验结果表明,与COA等算法相比,GCCOA能更好地解决医学图像增强中参数优化问题.所以,GCCOA是一种很有潜力的优化算法.

关键词：智能优化算法、郊狼优化算法、全局引导、图像增强、医学图像

所属期刊栏目：37

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目;河南省高等学校重点科研项目

在线出版日期：2020-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2711-2717