基于维度学习狩猎搜索策略的改进灰狼算法
2024-01-23周建新郑日成侯宏瑶
仪表技术与传感器 2023年12期
关键词:优化
周建新,郑日成,侯宏瑶
(华北理工大学电气工程学院,河北唐山 063210)
0 引言
在智能优化领域,解决优化问题通常是在规定的搜索空间和约束条件下寻找到全局最优值。在现实中,大多数的优化问题都面临着以下问题:计算成本高、非线性约束、搜索环境复杂,以及带有一定的干扰性。因此,面对这些复杂问题,最佳控制点往往很难找到。但随着SI算法的出现,可以快速寻找到最佳控制点,为解决复杂优化问题提供了一种全新的思路。目前SI算法可以分为两类。第1类为非自然启发式算法,主要有禁忌搜索(TS)、正余弦算法(SCA)、模拟退火算法(SA)以及向量加权平均算法(INFO)等;第2类为自然启发式算法,其中经典的是粒子群算法(PSO)、蚁群算法(ACO),近些年来,许多学者也提出了一些新兴的智能优化算法,例如灰狼算法(GWO)、跳蛛优化算法(JSOA)、蛇优化算法(SO)、沙猫群算法(SCSO)、鹈鹕优化算法(POA)、白鲨优化算法(WSO)、金豺优化算法(GJO)等。虽然各类算法有不同的迭代过程,但它们对于解决具有连续搜索空间的复杂问题都有优良的效果。
灰狼优化算法主要通过模拟灰狼群体狩猎行为而被Mirjalili等于2014年提出,由于在解决函数优化问题上具有收敛速度快和参数控制少等优点而受到广泛关注。目前,灰狼算法在故障诊断、路径规划、电池状态预测、分类识别[1-4]等领域被广泛应用。虽然灰狼算法已被广大学者关注并应用,但基本的GWO算法与其他SI算法一样,都有易陷入局部最优值等缺陷。为此,如何加快GWO算法的全局寻优能力成为当前研究的热点。……
登录APP查看全文
