新型灰狼优化算法在函数优化中的应用

发布时间：2018-01-01 04:44

本文关键词：新型灰狼优化算法在函数优化中的应用　出处：《兰州理工大学学报》2016年03期 　论文类型：期刊论文

【摘要】：针对灰狼优化算法在求解连续函数优化问题时精度不高、易出现早熟收敛等缺陷,提出一种改进的灰狼优化算法.该算法在初始种群个体时采用混沌序列方法,为算法全局搜索的多样性奠定基础.根据个体适应度值将种群分为两个子种群,分别执行不同的搜索方式,以平衡算法的开采能力和勘探能力.选取几个标准测试函数对算法性能进行测试,测试结果表明,与其他群智能优化算法相比,该算法在求解精度和收敛速度方面均具有较强的竞争力.
[Abstract]:Aiming at the shortcomings of grey wolf optimization algorithm in solving continuous function optimization problems, such as low precision and premature convergence, an improved grey wolf optimization algorithm is proposed, which uses chaotic sequence method in the initial population. According to the individual fitness value, the population is divided into two sub-populations, each of which performs different search methods. In order to balance the mining ability and exploration ability of the algorithm, several standard test functions are selected to test the performance of the algorithm. The test results show that the algorithm is compared with other swarm intelligence optimization algorithm. The algorithm is competitive in solving accuracy and convergence speed.
【作者单位】：贵州民族大学人文科技学院;贵州财经大学信息学院;
【基金】：贵州省科学技术基金(黔科合J字[2007]2204号)
【分类号】：TP18
【正文快照】： 工程应用领域中的许多问题可以转化为求解一个连续函数优化问题,可描述为min f(x)s.t.li≤xi≤ui,i=1,2,…,d(1)式中:f(x)为目标函数,x=(x1,x2,…,xd)为d维决策变量,li和ui分别为变量xi的上界和下界.由于问题(1)的复杂性,传统优化方法难以对其进行有效的求解.群体智能优化算法

【相似文献】