一种基于混合策略的灰狼优化算法


文章目录

  • 一种基于混合策略的灰狼优化算法
  • 1.灰狼优化算法
  • 2. 改进灰狼优化算法
  • 3.实验结果
  • 4.参考文献
  • 5.Matlab代码
  • 6.Python代码



摘要:灰狼优化算法作为一种群体智能算法,不可避免地会产生陷入局部寻优和收敛速度慢的问题。本文提出一种混合的改进策略,把动态权重和动态种群的结合起来,在提高收敛速度的同时,产生较好的解。

1.灰狼优化算法

 

2. 改进灰狼优化算法

提出一种动态权重策略,基于权重的个体狼位置计算如式(6),(7)所示 。
一种基于混合策略的灰狼优化算法-附代码_人工智能

一种基于混合策略的灰狼优化算法-附代码_算法_02

动态权重策略是一种对迭代过程进行改进的策略 ,能够很大程度上提高灰狼优化算法的收敛速度,但全局搜索能力并不是很好。

采用动态种群的思想,每一次迭代完成后,把适应度值较低的一半个体狼信息进行改变,可以及时地跳出局部寻优。基于动态种群的计算如式(8)~(11)所示 ,这 4 个公式并不是按顺序依次执行,而是每个公式以 1/4 的概率执行。
一种基于混合策略的灰狼优化算法-附代码_算法_03

一种基于混合策略的灰狼优化算法-附代码_算法_04

一种基于混合策略的灰狼优化算法-附代码_优化算法_05

一种基于混合策略的灰狼优化算法-附代码_机器学习_06

本文对迭代过程进行改进,通过把动态权重和动态种群结合起来,提出一种混合策略的灰狼优化算法。
改进后的灰狼优化算法主要步骤:
(1)在狼群变量的上限和下限中随机初始化狼群和初始化算法参数。
(2)计算每个个体狼的适应度值。
(3)选择适应度排在前 3 的个体狼作为 , 一种基于混合策略的灰狼优化算法-附代码_人工智能_07 狼。
(4)根据式(1),(2),(3),(6),(7)计算其它狼的位置。
(5)重新计算所有个体狼的适应度值。

3.实验结果

一种基于混合策略的灰狼优化算法-附代码_优化算法_08

4.参考文献

[1]牛家彬,王辉.一种基于混合策略的灰狼优化算法[J].齐齐哈尔大学学报(自然科学版),2018,34(01):16-19+32.

5.Matlab代码

6.Python代码