求解高维复杂函数的混合蛙跳–灰狼优化算法

针对高维复杂函数问题,提出一种混合蛙跳–灰狼优化算法(SFL–GWO).该算法通过改进的Logistic映射初始化GWO算法种群提高算法的多样性;其次,提出一种新的距离控制参数的非线性调整策略来增强种群的探索与开发的能力;最后通过引入改进的随机蛙跳算法中改变最差位置的方式使SFL–GWO算法跳出局部最优的局限.通过选取的10个高维复杂函数的寻优结果验证了算法的性能,并与粒子群优化算法(PSO)、灰狼优化算法(GWO)和鲸鱼优化算法(WOA)3种基本算法以及与8种改进算法的寻优的结果进行了比较.仿真结果证明:SFL–GWO算法在不仅可以提高收敛精度也可以提高算法的搜索速度,证明了SFL–GWO算...

Full description

Saved in:
Bibliographic Details
Published in控制理论与应用 Vol. 37; no. 7; pp. 1655 - 1666
Main Authors 黄晨晨, 魏霞, 黄德启, 叶家豪
Format Journal Article
LanguageChinese
Published 新疆大学电气工程学院,新疆乌鲁木齐830047 01.07.2020
Subjects
混合蛙跳算法
距离控制参数
改进的Logistic映射
高维复杂函数
灰狼优化算法
Online AccessGet full text
ISSN1000-8152
DOI10.7641/CTA.2020.90461

Cover

More Information
Summary:针对高维复杂函数问题,提出一种混合蛙跳–灰狼优化算法(SFL–GWO).该算法通过改进的Logistic映射初始化GWO算法种群提高算法的多样性;其次,提出一种新的距离控制参数的非线性调整策略来增强种群的探索与开发的能力;最后通过引入改进的随机蛙跳算法中改变最差位置的方式使SFL–GWO算法跳出局部最优的局限.通过选取的10个高维复杂函数的寻优结果验证了算法的性能,并与粒子群优化算法(PSO)、灰狼优化算法(GWO)和鲸鱼优化算法(WOA)3种基本算法以及与8种改进算法的寻优的结果进行了比较.仿真结果证明:SFL–GWO算法在不仅可以提高收敛精度也可以提高算法的搜索速度,证明了SFL–GWO算法在求解高维复杂函数的高效性.
ISSN:1000-8152
DOI:10.7641/CTA.2020.90461