郊狼優(yōu)化算法（Coyote Optimization Algorithm,COA）是最近提出的一種新穎群智能優(yōu)化算法,具有較大的應(yīng)用潛力,但存在運行時間長和搜索能力不足等問題。因此,文中提出了一種改進(jìn)的COA,即基于信息共享和組外（靜態(tài)）貪心的COA（COA based on Information sharing and Static greed selection,ISCOA）。首先,構(gòu)建一種新型的信息共享模型,用于子群所有郊狼的成長,在郊狼成長前期,共享信息差異性大,以增加種群的多樣性,在效狼成長后期,共享信息差異性小,以強化開采能力;其次,構(gòu)建一種新的組內(nèi)成長方式,即前期主要采用信息共享模型的成長方式,以郊狼的信息共享為主強化探索能力,后期主要采用原算法的成長方式,以alpha狼和文化趨勢的引導(dǎo)為主強化開采能力;最后,將原算法的組內(nèi)貪心算法改成組外貪心算法,即靜態(tài)貪心算法,以便提高算法的穩(wěn)定性和實現(xiàn)目標(biāo)函數(shù)計算等的并行處理,提高運行速度。大量復(fù)雜的CEC2017函數(shù)優(yōu)化實驗結(jié)果表明,與COA相比,ISCOA在29個10維和30維函數(shù)上分別獲得了23和24個函數(shù)的優(yōu)勢,其平均運行... 

【文章頁數(shù)】：8 頁

【文章目錄】：
1 引言
2 郊狼優(yōu)化算法
    2.1 初始化并隨機(jī)分組
    2.2 郊狼成長
    2.3 郊狼的生與死
    2.4 郊狼被驅(qū)離和接納
3 改進(jìn)的郊狼優(yōu)化算法
    3.1 信息共享模型
    3.2 新型成長方式
    3.3 組外貪心選擇策略
    3.4 ISCOA總流程
4 實驗結(jié)果與分析
    4.1 優(yōu)化性能分析
    4.2 收斂性分析
    4.3 Wilcoxon符號秩檢驗
5 ISCOA用于拉伸/壓縮彈簧設(shè)計問題
    5.1 拉伸/壓縮彈簧設(shè)計問題
    5.2 將ISCOA用于拉伸/壓縮彈簧設(shè)計問題


【參考文獻(xiàn)】：
期刊論文
[1]GWO與ABC的混合優(yōu)化算法及其聚類優(yōu)化[J]. 張新明,王霞,康強,程金鳳.  電子學(xué)報. 2018(10)
[2]改進(jìn)的混合蛙跳算法及其在多閾值圖像分割中的應(yīng)用[J]. 張新明,程金鳳,康強,王霞.  計算機(jī)科學(xué). 2018(08)



本文編號：3650958