基于正弦因子和量子局部搜索的灰狼优化算法

作     者：徐辰华 骆珠光 吴冠宏 刘斌 XU Chenhua;LUO Zhuguang;WU Guanhong;LIU Bin

作者机构：广西大学电气工程学院南宁530004 广东技术师范大学自动化学院广州510630 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2021年第57卷第24期

页      面：83-89页

学科分类：08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：广西自然科学基金(2017GXNSFAA198225) 广西重点研发计划(桂科AB18281009) 

主　　题：改进灰狼优化算法 正弦因子 量子局部搜索 测试函数 

摘      要：针对基本灰狼优化算法在求解复杂问题时,存在依赖初始种群、过早收敛和易陷入局部最优等缺点,提出一种融合正弦控制因子和量子局部搜索的灰狼优化算法(QGWO)。通过对灰狼算法中的控制因子按照具有正弦变化的曲线变化,使改进后的算法在迭代前期加快收敛速度以快速完成全局搜索,并且在迭代后期减缓收敛速度以提高算法精度。引入量子局部搜索降低算法陷入局部最优的概率。选用12个标准测试函数对QGWO算法性能进行验证,分别从单峰、多峰和固定维测试函数对比分析。实验结果表明,与GWO、WOA、SCA和CGWO相比,QGWO对测试函数的求解有更高的精度和稳定性。通过工程实例优化KELM进行分类实验验证,QGWO表现出更好的寻优性能。