解复杂多峰优化问题的双引导机制灰狼算法

为解决复杂多峰优化问题高质量解难以获取的难题,分析灰狼算法解此类问题时易陷入局部最优的原因,提出一种解复杂多峰优化问题的双引导机制灰狼算法。对于当前适应度较好的个体,沿用传统灰狼算法引导机制探测个体,保留其局部搜索能力强的优点;对于适应度较差的个体,通过动态选择稀疏点算子或偏向差分变异算子的引导机制探索解空间新区域,增强灰狼算法跳出局部最优的能力。实例仿真计算结果表明,该算法所获计算精度优于相比较的其它算法。特别是Wilcoxon假设检验结果显示,其分别以96.67%、97.43%、93.15%的显著性优于传统灰狼算法、粒子群-灰狼混合算法及选择性反向灰狼算法。