針對(duì)郊狼優(yōu)化算法（COA）優(yōu)化性能不足的問題,提出一種強(qiáng)化最優(yōu)和最差狼的COA（BWCOA）方法。首先,對(duì)于組內(nèi)最差郊狼的成長,在最優(yōu)郊狼引導(dǎo)的基礎(chǔ)上引入全局最優(yōu)郊狼引導(dǎo)操作,以提高最差郊狼的社會(huì)適應(yīng)能力（局部搜索能力）;然后,在組內(nèi)最優(yōu)郊狼的成長過程中嵌入一種隨機(jī)擾動(dòng)操作,即以郊狼之間的隨機(jī)擾動(dòng)促進(jìn)成長,發(fā)揮組內(nèi)每個(gè)郊狼的能動(dòng)性,提高種群的多樣性進(jìn)而強(qiáng)化全局搜索能力;最后,組內(nèi)其他郊狼的成長方式保持不變。將BWCOA運(yùn)用到復(fù)雜函數(shù)優(yōu)化和以醫(yī)院科室布局為例的二次指派問題（QAP）中。在CEC-2014復(fù)雜函數(shù)上的實(shí)驗(yàn)結(jié)果表明,與COA以及其他最先進(jìn)的算法相比,BWCOA獲得1.63的平均均值排名和Friedman檢驗(yàn)中1.68的秩均值,均排名第一。另外,在6組QAP上的實(shí)驗(yàn)結(jié)果表明,BWCOA獲得了5次均值最優(yōu)的結(jié)果。實(shí)驗(yàn)結(jié)果均表明BWCOA具有更強(qiáng)的競爭性。 

【文章來源】：計(jì)算機(jī)應(yīng)用. 2019,39(10)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

圖3兩種算法在10維CEC-2014基準(zhǔn)函數(shù)上的收斂圖Fig．3Convergencecurvesoftwoalgorithmson10-dimensionalCEC-2014benchmarkfunctions

4個(gè)，HS-SA獲得了3個(gè)，ＲW-GWO獲得了2個(gè);從平均排名上來看，BWCOA最高，為1．63�？傊趦�(yōu)化性能上，BWCOA優(yōu)于對(duì)比算法。圖3兩種算法在10維CEC-2014基準(zhǔn)函數(shù)上的收斂圖Fig．3Convergencecurvesoftwoalgorithmson10-dimensionalCEC-2014benchmarkfunctions3．2時(shí)間對(duì)比因?yàn)锽WCOA是COA的改進(jìn)版，所以BWCOA只與COA在10維CEC-2014基準(zhǔn)函數(shù)上的運(yùn)行時(shí)間進(jìn)行對(duì)比。選取的參數(shù)與3．1節(jié)相同。選取了兩種算法在不同的函數(shù)類型的時(shí)間平均值，如圖2所示。從圖2可以看出，無論在單峰函數(shù)和多峰函數(shù)，還是混合函數(shù)和組合函數(shù)上，BWCOA的耗時(shí)都比COA的耗時(shí)少，說明BWCOA采用并行計(jì)算是可行的。圖2兩種算法在不同類別函數(shù)上的平均時(shí)間對(duì)比Fig．2Averagetimecomparisonoftwoalgorithmsondifferentfunctions3．3顯著性分析為了驗(yàn)證本文BWCOA的顯著性，在30維30個(gè)CEC-2014基準(zhǔn)函數(shù)上，對(duì)BWCOA和其他對(duì)比算法的均值進(jìn)行Friedman檢驗(yàn)。Friedman檢驗(yàn)是一種非參數(shù)的統(tǒng)計(jì)性分析［16］，是利用秩實(shí)現(xiàn)對(duì)多個(gè)總體分布是否存在顯著差異的檢驗(yàn)方法。實(shí)驗(yàn)在IBMSPSSStatistics19上進(jìn)行，計(jì)算6種算法的Friedman的統(tǒng)計(jì)量秩均值，本文的優(yōu)化問題是求解最小值問題，秩均值越小的算法，表明算法越優(yōu)［16］。實(shí)驗(yàn)結(jié)果如表2所示。從表2可以看出，BWCOA的秩均值(1．68)最小，其次是ＲW-GWO、COA、LSFLA、HS-SA、LX-BBO。表2Friedman統(tǒng)計(jì)分析結(jié)果Tab．2Friedmanstatisticalanalysisresults算法秩均值BWCOA1．68COA3．58LSFLA3．87算法秩均值LX-BBO4．65HS

【參考文獻(xiàn)】：
期刊論文
[1]差分遷移和趨優(yōu)變異的生物地理學(xué)優(yōu)化算法[J]. 張新明,康強(qiáng),王霞,程金鳳.  小型微型計(jì)算機(jī)系統(tǒng). 2018(06)
[2]基于蟻群優(yōu)化-蛙跳算法的云計(jì)算資源調(diào)度算法[J]. 陳暄,徐見煒,龍丹.  計(jì)算機(jī)應(yīng)用. 2018(06)
[3]一種求解物流設(shè)施二次分配問題的混合分布估計(jì)算法[J]. 戢守峰,羅蓉娟,孫琦,朱寶琳.  運(yùn)籌與管理. 2018(01)
[4]融合榜樣學(xué)習(xí)和反向?qū)W習(xí)的粒子群優(yōu)化算法[J]. 張新明,王霞,涂強(qiáng),康強(qiáng).  河南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(06)
[5]求解二次指派問題的最優(yōu)迭代最大最小螞蟻算法[J]. 牟廉明,戴錫笠,李坤,賀靈悅.  計(jì)算機(jī)應(yīng)用. 2014(01)



本文編號(hào)：2973093