具有自适应调整策略的混沌灰狼优化算法

摘要：

灰狼优化算法(Grey Wolf Optimization,GWO)是新型启元优化算法,相比于其他群体智能优化算法,该算法同样存在收敛速度较慢、不稳定、易陷入局部最优等问题.针对上述问题,根据GWO算法的结构特点,提出了一种自适应调整策略的混沌灰狼优化算法(Chaotic Local Search GWO),利用自适应调整策略来提高GWO算法的收敛速度,通过混沌局部搜索策略增加种群的多样性,使搜索过程避免陷入局部最优.最后利用6个测试函数对算法进行仿真验证,并结合其他4种算法进行了横向比较.实验结果证明,所提出的改进算法在收敛速度、精度以及稳定性方面具有明显的优势.

关键词：灰狼算法、自适应、混沌、收敛速度、局部最优

所属期刊栏目：44

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目51208506

在线出版日期：2018-01-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：119-122,159