换一批摘要针对原始灰狼优化算法(GWO)易陷入局部最优和全局搜索能力较弱的问题,提出一种改进灰狼优化算法(Improved Grey Wolf Optimization,IGWO).该算法首先通过引入非线性收敛因子来调整控制参数,进一步平衡GWO的全局搜索和局部开发能力.其次,在灰狼位置更新的过程中结合布谷鸟优化算法的搜索机制,帮助灰狼种群陷入停滞时跳出局部最优.最后,在6个基准测试函数进行仿真实验,结果表明IGWO能提升GWO的性能.
更多相关知识
关键词
灰狼优化算法非线性收敛因子布谷鸟搜索基准测试函数Gray Wolf Optimizationnonlinear convergence factorCuckoo Searchbenchmark test function
分类号
TP18
栏目名称
DOI
10.19850/j.cnki.2096-4706.2023.19.020
发布时间
2023-11-02（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览1
- 被引19
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
