一种基于变异算子与淘汰重组机制的改进GWO及其应用

2017年第18卷第11期

摘要

关键词

相关研究

回顶部

《信息与电子工程前沿（英文）》 >> 2017年第18卷第11期 doi: 10.1631/FITEE.1601555

一种基于变异算子与淘汰重组机制的改进GWO及其应用

. School of Mechano-Electronic Engineering, Xidian University, Xi’an 710071, China.. School of Physics and Electronic Engineering, Xianyang Normal University, Xianyang 712000, China.

发布日期： 2018-03-08

HTML34 PDF 3 收藏 0

摘要

标准苍狼优化算法（grey wolf optimizer, GWO）因其简单易用的特性受到广泛关注。由于存在搜索结构不完善、易陷入局部最优等问题，其应用范围受到了限制。本文提出了一种基于变异算子和淘汰重组机制的苍狼优化算法（eliminating-reconstructing GWO, MR-GWO）。对GWO的分析表明，GWO仅以三个领导层苍狼为核心进行搜索，且仅通过调整参数a来平衡算法的探索和开发性能，意味着苍狼群在一定程度上失去了多样性。因此，本文对优秀的搜索狼引入变异算子，对性能较差的搜索狼采用淘汰重组机制，不仅有效地扩展了算法的随机搜索面，同时加快了算法收敛速度。为了验证改进后算法的有效性，通过13个标准连续函数全局优化实验及RBF（radial basis function）网络逼近试验将MR-GWO算法与其它算法进行了比较，试验结果表明MR-GWO算法具有较强的竞争力。

关键词

群智能 ; 苍狼优化算法 ; 优化 ; RBF（radial basis function）网络