文献类型：期刊文章

作　　者：丁瑞成[1] 周玉成[1]

DING Ruicheng;ZHOU Yucheng(College of Information and Electrical Engineering,Shandong Jianzhu University,Jinan 250101,China)

机构地区：[1]山东建筑大学信息与电气工程学院,济南250101

出　　处：《计算机工程与应用》

基　　金：山东省优势特色学科特支计划(2015162)。

年　　份：2022

卷　　号：58

期　　号：23

起止页码：74-82

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对求解复杂优化问题时,灰狼(GWO)算法存在全局搜索能力不足、容易陷入局部最优值等问题,提出一种引入莱维飞行与动态权重策略的改进灰狼算法(LGWO)。基于Singer混沌映射初始化灰狼个体位置,增加种群多样性;收敛因子采用新的非线性更新策略,在种群迭代全期平衡全局搜索与局部搜索能力;在种群位置更新公式引入莱维飞行与动态权重策略,增加种群跳出局部最优值的概率,提升寻优准确度。通过8个基准函数的测试,并与其他优化算法和改进算法进行对比,LGWO取得了最优的收敛速度与预测精度,并验证了LGWO算法优化高维复杂问题的有效性。

关 键 词：灰狼优化算法  莱维飞行  动态权重  Singer映射  

分 类 号：TP301.6]