基于自适应正态云模型的灰狼优化算法
Grey wolf optimization algorithm based on adaptive normal cloud model作者机构:湖南科技大学信息与电气工程学院湖南湘潭411201
出 版 物:《控制与决策》 (Control and Decision)
年 卷 期:2021年第36卷第10期
页 面:2562-2568页
核心收录:
学科分类:0711[理学-系统科学] 08[工学] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 0835[工学-软件工程] 0701[理学-数学] 0812[工学-计算机科学与技术(可授工学、理学学位)] 080201[工学-机械制造及其自动化]
主 题:灰狼优化算法 正态云模型 Tent映射 自适应云模型 混沌映射 函数优化
摘 要:灰狼优化算法(GWO)是一种模拟狼群等级制度和捕食行为的群体智能算法,存在收敛精度低、易陷入局部最优解等问题,为提高GWO的算法性能,提出一种基于Tent映射和正态云发生器的改进灰狼优化算法(CGWO).在灰狼群初始化阶段引入Tent映射,增加种群个体多样性以提高算法的优化效率;在攻击猎物阶段采用正态云模型对狼群位置进行更新,使算法前期具有较好的随机性和模糊性,提高全局开发能力,助其跳出局部最优解.随着迭代次数增加,自适应调整正态云模型熵值,使后期随机性和模糊性随之减小,有效改善局部开发能力,提高其收敛精度.选用20个通用的标准测试函数对CGWO算法性能进行验证,分别从单峰、多峰以及复合函数寻优结果与多种优化算法进行对比分析.结果表明,在同等测试条件下, CGWO算法寻优效率和收敛精度更高,能很快跳出局部最优解,在全局搜索和局部开发能力上更为平衡.