混合苍狼优化算法在全局最优中的应用研究

摘要：

在分析标准苍狼优化算法(GWO)的开发与探索性能基础上,提出了一种混合苍狼优化算法(MAR-GWO),搜索域得到了全面的扩展,其中针对α、β、δ领导层苍狼,引入自主搜索行为来加大其优化力度与促进速度的提高,对性能较差搜索狼采取淘汰重组机制以提高搜索效率,又采取概率差分变异行为增加了个体多样性,从而避免局部最优.为了验证MAR-GWO算法有效性,对13个全局优化问题进行实验,分别与GWO、GWO-EPD(改进的苍狼优化算法)、PSO、EA等算法进行了对比测试,从实验结果来看,MAR-GWO算法寻优成功率相对较高、收敛速度快,不易陷入局部最优,在智能算法中具有很强的竞争力.

关键词：苍狼优化算法、自主搜索、淘汰重组机制、变异

所属期刊栏目：54

分类号：TP18(自动化基础理论)

资助基金：陕西省教育厅专项科研计划17JK0825,15JK1784;陕西省教育科学规划课题SGH17H172;咸阳师范学院青年骨干教师人才资助项目XSYGG201604;咸阳师范学院专项科研基金15XSYK036

在线出版日期：2018-08-23（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：155-160,240