强化狼群等级制度的灰狼优化算法

发布时间：2018-06-05 03:18

  本文选题：智能优化算法 + 灰狼优化算法　； 参考：《数据采集与处理》2017年05期

【摘要】：针对灰狼优化(Grey wolf optimization,GWO)算法在处理复杂优化问题时优化精度不高,易陷于局部最优等问题,提出了一种强化狼群等级制度的灰狼优化(GWO based on strengthening the hierarchy of wolves,GWOSH)算法。该算法为灰狼个体设置了跟随狩猎和自主探索两种狩猎模式,并根据自身等级情况来控制选择狼群的狩猎模式。在跟随狩猎模式中,灰狼个体以等级高于自身的灰狼的位置信息来指引自己到达最优解区域;而在自主探索模式中,灰狼个体会同时审视等级高于自身的灰狼的位置信息和自身位置信息,并基于这些信息自主判断猎物的位置,同时两种更新模式都将引入优胜劣汰选择规则来确保种群的狩猎方向。对12个基准测试函数进行优化的结果表明:与已有的算法相比,GWOSH算法的全局搜索能力更强,更能有效避免易早熟收敛的问题,更适用于求解高维的复杂优化问题。
[Abstract]:This paper proposes a GWO based on classifying the hierarchy of grey wolf optimization ( GWO based on classifying the hierarchy of wolves , GWOSH ) algorithm . The results show that the global search capability of the GWO SH algorithm is stronger than the existing algorithm , and it is more suitable for solving the complex optimization problems of high dimensions .
【作者单位】： 河南师范大学计算机与信息工程学院;河南省高校计算智能与数据挖掘工程技术研究中心;
【基金】：河南省重点科技攻关(132102110209)资助项目 河南省基础与前沿技术研究计划(142300410295)资助项目
【分类号】：TP18

【相似文献】

相关期刊论文 前3条

1 鄢靖丰;;一种改进的人工蜂群算法及其应用研究[J];许昌学院学报;2013年02期

2 杨世达;易亚林;单志勇;李庆华;;蜜蜂进化型的类电磁机制算法[J];计算机工程与应用;2013年06期

3 梁新华;潘泉;杨峰;王增福;;基于两级采样的粒子滤波检测前跟踪算法[J];系统工程与电子技术;2011年09期

相关博士学位论文 前2条

1 李大威;基于集成学习的高分遥感图像玉米区高精度提取算法研究[D];中北大学;2017年

2 李向涛;进化算法研究及其在化学信息学中的应用[D];东北师范大学;2015年

相关硕士学位论文 前10条

1 和梦思;粒子群进化算法的改进及应用[D];深圳大学;2015年

2 许峥;自适应PID算法在减水剂生产控制中的研究与实现[D];北京工业大学;2015年

3 李倩;基于膜计算的黑洞聚类算法研究[D];西华大学;2015年

4 刘建;无线传感器网络链式路由算法[D];广西师范大学;2015年

5 褚夫飞;基于改进人工蜂群算法的分散式风功率预测方法研究[D];东北大学;2014年

6 王耀辉;蜂群算法应用研究[D];福州大学;2013年

7 付美玲;引入蛙跳局部搜索和混沌原理的布谷鸟算法[D];内蒙古工业大学;2016年

8 刘天健;禁忌搜索的混合蝙蝠算法的研究及应用[D];广西大学;2016年

9 叶奕茂;基于人工蜂群算法的高维多极值函数的全局优化[D];广西大学;2016年

10 王睿;植物花授粉算法及应用研究[D];广西民族大学;2016年

，

本文编号：1980230