基于莱维飞行和随机游动策略的灰狼算法

摘要：

在标准灰狼优化算法寻优的中后期,由于衰减因子减小,灰狼群体中的个体均向领导层灰狼所在区域靠近,导致算法的全局寻优能力差,降低了寻优精度.针对该问题,提出了一种改进灰狼优化算法(Improved Grey Wolf Optimization,IGWO).该算法首先分析了衰减因子对灰狼算法(Grey Wolf Optimization,GWO)的影响,提出了一种分段可调节衰减因子,用于平衡算法的勘探能力与开发能力.其可以根据不同优化问题来寻找适当的参数,实现更高精度的寻优,并且保证了在寻优过程的中后期,算法也具有一定的全局搜索能力.数值仿真实验表明,提高勘探比例有利于提高算法的收敛精度.同时,在寻优过程中,根据概率选择对领导层灰狼分别进行莱维飞行操作或随机游动操作.利用莱维飞行短距离搜索与偶尔较长距离行走相间的搜索特点,提高算法的全局寻优能力;利用随机游动相对集中的搜索特性,提高局部寻优能力.最后,对8个标准测试函数进行仿真实验,并与其他几种算法进行比较,实验结果表明,所提算法在寻优精度、算法稳定性及收敛速度上都有较大优势.

关键词：灰狼算法、衰减因子、莱维飞行、随机游动

所属期刊栏目：47

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金面上项目51774219

在线出版日期：2020-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：291-296