基于正弦因子和量子局部搜索的灰狼优化算法

摘要：

针对基本灰狼优化算法在求解复杂问题时,存在依赖初始种群、过早收敛和易陷入局部最优等缺点,提出一种融合正弦控制因子和量子局部搜索的灰狼优化算法(QGWO).通过对灰狼算法中的控制因子按照具有正弦变化的曲线变化,使改进后的算法在迭代前期加快收敛速度以快速完成全局搜索,并且在迭代后期减缓收敛速度以提高算法精度.引入量子局部搜索降低算法陷入局部最优的概率.选用12个标准测试函数对QGWO算法性能进行验证,分别从单峰、多峰和固定维测试函数对比分析.实验结果表明,与GWO、WOA、SCA和CGWO相比,QGWO对测试函数的求解有更高的精度和稳定性.通过工程实例优化KELM进行分类实验验证,QGWO表现出更好的寻优性能.

关键词：改进灰狼优化算法;正弦因子;量子局部搜索;测试函数

所属期刊栏目：57

分类号：TP301.6(计算技术、计算机技术)

资助基金：广西自然科学基金;广西重点研发计划

在线出版日期：2021-12-22（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：83-89