| 求解高维优化问题的混合灰狼优化算法 |
| |
| 引用本文： | 龙文 蔡绍洪 焦建军 张文专 唐明珠. 求解高维优化问题的混合灰狼优化算法[J]. 控制与决策, 2016, 31(11): 1991-1997 |
| |
| 作者姓名： | 龙文 蔡绍洪 焦建军 张文专 唐明珠 |
| |
| 作者单位： | 1. 贵州财经大学2. 贵州财经学院3. 长沙理工大学能源与动力工程学院新能源系 |
| |
| 基金项目： | 国家自然科学基金：节能型永磁悬浮系统的实现机理与特性研究;教育部人文社会科学研究规划基金项目;贵州省教育厅125重大科技专项 |
| |
| 摘 要： | 针对基本灰狼优化算法在求解高维优化问题时存在解精度低、收敛速度慢和易陷入局部最优的缺点，提出一种基于混沌映射和的精英反向学习策略的混合灰狼优化算法用于解决无约束高维函数优化问题. 该混合算法首先采用混沌序列产生初始种群为算法进行全局搜索奠定基础；对当前种群中的精英个体分别执行精英反向学习策略以协调算法的勘探和开采能力；在搜索过程中对决策层个体进行混沌扰动，以避免算法陷入局部最优的可能性. 选取10个高维(100维、500维和1000维)标准测试函数进行数值实验，结果表明混合灰狼优化算法在求解精度及收敛速度指标上明显优于对比算法.
|
| 关 键 词： | 高维优化问题 |
| 收稿时间： | 2015-09-23 |
| 修稿时间： | 2015-12-25 |
Hybrid Grey Wolf Optimization Algorithm for High- dimensional Optimization |
| |
| Abstract: | |
| |
| Keywords: | high-dimensional optimization problems |
|
| 点击此处可从《控制与决策》浏览原始摘要信息 |
|
点击此处可从《控制与决策》下载全文 |
