近20年以來,元啟發(fā)式優(yōu)化算法一經提出便在社會經濟的各個領域得到了廣泛的應用。在2014年,灰狼優(yōu)化（GWO）算法被提出,是一種新型元啟發(fā)式優(yōu)化算法,這個算法在尋找最優(yōu)解方面的性能優(yōu)良。算法依然存在易于收斂到局部最優(yōu)的缺陷,然而,國內外學者對該算法在這一問題上的改進研究卻尚未深入展開。本文針對灰狼算法易陷入局部最優(yōu)的缺陷導致搜索精度偏低的問題,提出了一種改進的GWO算法。首先,在GWO算法的進化后期,由于群體中所有灰狼個體都朝著估計的最優(yōu)個體區(qū)域逼近,整個群體易于陷入局部最優(yōu)解,導致群體缺少多樣性。本文將控制因子結合隨機,隨著搜索的不斷進行,對局部的搜索也更為充分,從而提高算法的性能;其次,本文引入具有較好隨機性的Levy飛行策略,Levy飛行移動一系列較小步長后突然移動一個較大步長,將其與r1和r2結合,從而有助于跳出局部最優(yōu);最后,在進化后期,所有灰狼個體均向估計的全局最優(yōu)解方向移動,灰狼優(yōu)化算法收斂速度明顯變慢或停止,這是種群搜索的群智能優(yōu)化算法的固有缺陷。為了避免灰狼優(yōu)化算法陷入局部最優(yōu),本文對當前最優(yōu)灰狼位置進行多樣性變異。通過對多個基準測試函數(shù)的仿真實驗,結果顯示:相比于P... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：54 頁

【學位級別】：碩士

【部分圖文】：

圖２，１灰狼的等級制度??

圖２．?２灰狼的捕食行為??在ＧＷＯ算法中，針對函數(shù)優(yōu)化問題，求解出的適應度值最高的個體用符號ａ表??示，兩個次優(yōu)個體分別用Ｐ和Ｊ表示，？表示除以上三種個體的其他個體

圖５．１?ＦＩ基準函數(shù)的二維圖和迭代圖??

【參考文獻】：
期刊論文
[1]基于多目標粒子群算法的高維多目標無功優(yōu)化[J]. 蔡博,黃少鋒.  電力系統(tǒng)保護與控制. 2017(15)
[2]基于改進遺傳算法的反向傳播神經網絡擬合LED光譜模型[J]. 高航,薛凌云.  激光與光電子學進展. 2017(07)
[3]基于改進蟻群算法與遺傳算法組合的網絡入侵檢測[J]. 袁琴琴,呂林濤.  重慶郵電大學學報(自然科學版). 2017(01)
[4]基于遺傳搜索策略的人工蜂群算法[J]. 王松,李紅星.  北京聯(lián)合大學學報. 2017(01)
[5]基于自適應GWO的多UCAV協(xié)同攻擊目標決策[J]. 魏政磊,趙輝,韓邦杰,周歡.  計算機工程與應用. 2016(18)
[6]基于收斂因子非線性動態(tài)變化的灰狼優(yōu)化算法[J]. 羅佳,唐斌.  中國科技論文. 2016(17)
[7]一種新型非線性收斂因子的灰狼優(yōu)化算法[J]. 王敏,唐明珠.  計算機應用研究. 2016(12)
[8]求解約束優(yōu)化問題的改進灰狼優(yōu)化算法[J]. 龍文,趙東泉,徐松金.  計算機應用. 2015(09)
[9]基于灰狼優(yōu)化算法的置換流水線車間調度[J]. 呂新橋,廖天龍.  武漢理工大學學報. 2015(05)



本文編號：3577411