求解大规模优化问题的改进狼群算法

摘要：

针对狼群算法(wolf pack algorithm,WPA)求解大规模问题时存在解精度低、收敛速度慢和易陷入局部最优的缺点,提出了 一种改进的狼群算法(improved wolf pack algorithm,IWPA).采用深度神经网络进行初始化狼群个体提高种群多样性;借助遗传算法挑选首狼提高算法寻优能力;设计距离优化因子以协同狼群算法个体的探索和开发能力;构建尺度系数改进围捕行为避免算法陷入局部最优,减少运行时间.选取18个大规模(100维,200维,500维和1000维)标准测试函数进行性能对比,结果表明,IWPA算法在求解精度和收敛速度上优于其他对比算法.

关键词：狼群算法、深度神经网络、距离优化因子、尺度系数

所属期刊栏目：41

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金61402144

在线出版日期：2021-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共19页

页码：790-808