控制参数值非线性调整策略的灰狼优化算法

被引：101

作者：

魏政磊 ^{[1
]}

赵辉 ^{[1
]}

李牧东 ^{[1
]}

王渊 ^{[1
]}

柯益明 ^{[2
]}

机构：

[1] 空军工程大学航空航天工程学院

[2] 空军工程大学信息与导航学院

来源：

空军工程大学学报(自然科学版) | 2016年 / 17卷 / 03期

关键词：

灰狼优化算法; 控制参数; 非线性策略; 函数优化;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

为了克服灰狼优化算法在解决函数优化问题时容易陷入局部最优的缺陷,提出采用正弦曲线、对数曲线、正切曲线、余弦曲线和2次曲线的非线性调整策略控制参数值。同时采用变异策略对智能个体位置进行处理,使其位置受适应度值大小影响。对3个标准测试函数进行仿真表明,余弦曲线和2次曲线调整策略优于线性调整策略,其他3种非线性调整策略劣于线性策略。

引用

页码：68 / 72

页数：5

共 12 条

[1]

混合人工蜂群算法 [J].

高卫峰 ;

刘三阳 ;

姜飞 ;

张建科 .

系统工程与电子技术, 2011, 33 (05) :1167-1170

[2]

粒子群优化算法中的惯性权值非线性调整策略 [J].

周敏 ;

李太勇 .

计算机工程, 2011, 37 (05) :204-206

[3]

自适应变异的混合粒子群优化策略及其应用 [J].

高海昌 ;

冯博琴 ;

侯芸 ;

朱利 .

西安交通大学学报, 2006, (06) :663-666

[4]

用于一般函数优化的蚁群算法 [J].

魏平 ;

熊伟清 .

宁波大学学报(理工版), 2001, (04) :52-55

[5]

一种基于改进遗传算法的多峰函数优化研究 [J].

杨洪敏 ;

林孔元 ;

杨庆江 .

计算机工程与科学, 2000, (01) :28-31

[6]

A New Evolutionary Algorithm for Function Optimization.[J]..Wuhan University Journal of Natural Sciences.1999, 04

[7]

计算群体智能基础.[M].Andries P. Engelbrecht著.清华大学出版社.2009,

[8]

Grey Wolf Optimizer.[J].Seyedali Mirjalili;Seyed Mohammad Mirjalili;Andrew Lewis.Advances in Engineering Software.2014,

[9]

Nonlinear inertia weight variation for dynamic adaptation in particle swarm optimization.[J].A. Chatterjee;P. Siarry.Computers and Operations Research.2004, 3

[10]

Multi colony ant algorithms [J].

Middendorf, M ;

Reischle, F ;

Schmeck, H .

JOURNAL OF HEURISTICS, 2002, 8 (03) :305-320

← 1 2 →