强化最优和最差狼的郊狼优化算法及其二次指派问题应用

发布时间：2021-01-12 16:05

　　针对郊狼优化算法（COA）优化性能不足的问题,提出一种强化最优和最差狼的COA（BWCOA）方法。首先,对于组内最差郊狼的成长,在最优郊狼引导的基础上引入全局最优郊狼引导操作,以提高最差郊狼的社会适应能力（局部搜索能力）;然后,在组内最优郊狼的成长过程中嵌入一种随机扰动操作,即以郊狼之间的随机扰动促进成长,发挥组内每个郊狼的能动性,提高种群的多样性进而强化全局搜索能力;最后,组内其他郊狼的成长方式保持不变。将BWCOA运用到复杂函数优化和以医院科室布局为例的二次指派问题（QAP）中。在CEC-2014复杂函数上的实验结果表明,与COA以及其他最先进的算法相比,BWCOA获得1.63的平均均值排名和Friedman检验中1.68的秩均值,均排名第一。另外,在6组QAP上的实验结果表明,BWCOA获得了5次均值最优的结果。实验结果均表明BWCOA具有更强的竞争性。 

【文章来源】：计算机应用. 2019,39(10)北大核心

【文章页数】：7 页

【部分图文】：

图3两种算法在10维CEC-2014基准函数上的收敛图Fig．3Convergencecurvesoftwoalgorithmson10-dimensionalCEC-2014benchmarkfunctions

4个，HS-SA获得了3个，ＲW-GWO获得了2个;从平均排名上来看，BWCOA最高，为1．63。总之，在优化性能上，BWCOA优于对比算法。图3两种算法在10维CEC-2014基准函数上的收敛图Fig．3Convergencecurvesoftwoalgorithmson10-dimensionalCEC-2014benchmarkfunctions3．2时间对比因为BWCOA是COA的改进版，所以BWCOA只与COA在10维CEC-2014基准函数上的运行时间进行对比。选取的参数与3．1节相同。选取了两种算法在不同的函数类型的时间平均值，如图2所示。从图2可以看出，无论在单峰函数和多峰函数，还是混合函数和组合函数上，BWCOA的耗时都比COA的耗时少，说明BWCOA采用并行计算是可行的。图2两种算法在不同类别函数上的平均时间对比Fig．2Averagetimecomparisonoftwoalgorithmsondifferentfunctions3．3显著性分析为了验证本文BWCOA的显著性，在30维30个CEC-2014基准函数上，对BWCOA和其他对比算法的均值进行Friedman检验。Friedman检验是一种非参数的统计性分析［16］，是利用秩实现对多个总体分布是否存在显著差异的检验方法。实验在IBMSPSSStatistics19上进行，计算6种算法的Friedman的统计量秩均值，本文的优化问题是求解最小值问题，秩均值越小的算法，表明算法越优［16］。实验结果如表2所示。从表2可以看出，BWCOA的秩均值(1．68)最小，其次是ＲW-GWO、COA、LSFLA、HS-SA、LX-BBO。表2Friedman统计分析结果Tab．2Friedmanstatisticalanalysisresults算法秩均值BWCOA1．68COA3．58LSFLA3．87算法秩均值LX-BBO4．65HS

【参考文献】：
期刊论文
[1]差分迁移和趋优变异的生物地理学优化算法[J]. 张新明,康强,王霞,程金凤.  小型微型计算机系统. 2018(06)
[2]基于蚁群优化-蛙跳算法的云计算资源调度算法[J]. 陈暄,徐见炜,龙丹.  计算机应用. 2018(06)
[3]一种求解物流设施二次分配问题的混合分布估计算法[J]. 戢守峰,罗蓉娟,孙琦,朱宝琳.  运筹与管理. 2018(01)
[4]融合榜样学习和反向学习的粒子群优化算法[J]. 张新明,王霞,涂强,康强.  河南师范大学学报(自然科学版). 2017(06)
[5]求解二次指派问题的最优迭代最大最小蚂蚁算法[J]. 牟廉明,戴锡笠,李坤,贺灵悦.  计算机应用. 2014(01)



本文编号：2973093