本文選題：智能優(yōu)化算法 + 灰狼優(yōu)化算法　； 參考：《數(shù)據(jù)采集與處理》2017年05期

【摘要】：針對(duì)灰狼優(yōu)化(Grey wolf optimization,GWO)算法在處理復(fù)雜優(yōu)化問題時(shí)優(yōu)化精度不高,易陷于局部最優(yōu)等問題,提出了一種強(qiáng)化狼群等級(jí)制度的灰狼優(yōu)化(GWO based on strengthening the hierarchy of wolves,GWOSH)算法。該算法為灰狼個(gè)體設(shè)置了跟隨狩獵和自主探索兩種狩獵模式,并根據(jù)自身等級(jí)情況來控制選擇狼群的狩獵模式。在跟隨狩獵模式中,灰狼個(gè)體以等級(jí)高于自身的灰狼的位置信息來指引自己到達(dá)最優(yōu)解區(qū)域;而在自主探索模式中,灰狼個(gè)體會(huì)同時(shí)審視等級(jí)高于自身的灰狼的位置信息和自身位置信息,并基于這些信息自主判斷獵物的位置,同時(shí)兩種更新模式都將引入優(yōu)勝劣汰選擇規(guī)則來確保種群的狩獵方向。對(duì)12個(gè)基準(zhǔn)測(cè)試函數(shù)進(jìn)行優(yōu)化的結(jié)果表明:與已有的算法相比,GWOSH算法的全局搜索能力更強(qiáng),更能有效避免易早熟收斂的問題,更適用于求解高維的復(fù)雜優(yōu)化問題。
[Abstract]:This paper proposes a GWO based on classifying the hierarchy of grey wolf optimization ( GWO based on classifying the hierarchy of wolves , GWOSH ) algorithm . The results show that the global search capability of the GWO SH algorithm is stronger than the existing algorithm , and it is more suitable for solving the complex optimization problems of high dimensions .
【作者單位】： 河南師范大學(xué)計(jì)算機(jī)與信息工程學(xué)院;河南省高校計(jì)算智能與數(shù)據(jù)挖掘工程技術(shù)研究中心;
【基金】：河南省重點(diǎn)科技攻關(guān)(132102110209)資助項(xiàng)目 河南省基礎(chǔ)與前沿技術(shù)研究計(jì)劃(142300410295)資助項(xiàng)目
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前3條

1 鄢靖豐;;一種改進(jìn)的人工蜂群算法及其應(yīng)用研究[J];許昌學(xué)院學(xué)報(bào);2013年02期

2 楊世達(dá);易亞林;單志勇;李慶華;;蜜蜂進(jìn)化型的類電磁機(jī)制算法[J];計(jì)算機(jī)工程與應(yīng)用;2013年06期

3 梁新華;潘泉;楊峰;王增福;;基于兩級(jí)采樣的粒子濾波檢測(cè)前跟蹤算法[J];系統(tǒng)工程與電子技術(shù);2011年09期

相關(guān)博士學(xué)位論文 前2條

1 李大威;基于集成學(xué)習(xí)的高分遙感圖像玉米區(qū)高精度提取算法研究[D];中北大學(xué);2017年

2 李向濤;進(jìn)化算法研究及其在化學(xué)信息學(xué)中的應(yīng)用[D];東北師范大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 和夢(mèng)思;粒子群進(jìn)化算法的改進(jìn)及應(yīng)用[D];深圳大學(xué);2015年

2 許崢;自適應(yīng)PID算法在減水劑生產(chǎn)控制中的研究與實(shí)現(xiàn)[D];北京工業(yè)大學(xué);2015年

3 李倩;基于膜計(jì)算的黑洞聚類算法研究[D];西華大學(xué);2015年

4 劉建;無線傳感器網(wǎng)絡(luò)鏈?zhǔn)铰酚伤惴╗D];廣西師范大學(xué);2015年

5 褚夫飛;基于改進(jìn)人工蜂群算法的分散式風(fēng)功率預(yù)測(cè)方法研究[D];東北大學(xué);2014年

6 王耀輝;蜂群算法應(yīng)用研究[D];福州大學(xué);2013年

7 付美玲;引入蛙跳局部搜索和混沌原理的布谷鳥算法[D];內(nèi)蒙古工業(yè)大學(xué);2016年

8 劉天健;禁忌搜索的混合蝙蝠算法的研究及應(yīng)用[D];廣西大學(xué);2016年

9 葉奕茂;基于人工蜂群算法的高維多極值函數(shù)的全局優(yōu)化[D];廣西大學(xué);2016年

10 王睿;植物花授粉算法及應(yīng)用研究[D];廣西民族大學(xué);2016年

，

本文編號(hào)：1980230