一种竞争策略的灰狼优化算法
2018-12-08袁清晨程梦杰李时东钱楷
数字技术与应用 2018年8期
袁清晨 程梦杰 李时东 钱楷


摘要:群智能优化算法已广泛用于科学研究中,主要模拟自然界中的生物种群行为,灰狼优化算法是一种模拟狼群捕猎模式的元启发式算法。针对灰狼算法存在的局部最优及收敛精度不高的问题,采用种群竞争策略和并行化技术来改进算法,并用四个基准函数对所提出方法进行测试。结果表明,改进算法较原算法提高了收敛速度和精度,且有效减少了局部最优的情况。
关键词:群智能算法;并行化技术;种群竞争策略;灰狼优化算法
中图分类号:TP399 文献标识码:A 文章编号:1007-9416(2018)08-0104-03
近几十年来,人们提出了许多基于生物行为的算法,如进化算法、群体智能等,很多算法应用于电源的优化配置[1]、路径优化[2]、图像分割处理[3]等方面。灰狼算法[4]是模拟狼群捕猎过程的优化算法,最初是由S.Mirjalili等学者2015年提出的,针对灰狼算法过早收敛、易陷入局部最优等缺点,人们做了大量的改进研究。Pan T S, Dao T K[5]采用了并行化和反向学习的种群沟通策略;Nasrabadi M S, Sharafi Y[6]对采用种群交流策略改进算法;牛家彬等[7]把动态权重和动态种群结合起来提高收敛速度的同时保证了解的质量;崔明朗等[8]在寻优过程中加入了观察策略,且对收敛因子做了改进。
本文针对常规灰狼算法的缺点,提出以下改进方法:有多个狼群并行实施常规灰狼算法,在达到一定迭代次数后让狼群相互竞争,剔除不良个体并更新种群,同时为了验证改进算法的性能,进行了仿真实验。
1 灰狼算法简介……p>
登录APP查看全文
