Logistic模型描述控制参数的灰狼优化算法

Greywolfoptimizationalgorithm withLogisticmodel describedcontrolparameter
CHEN Qing灢rong,TANGBin
(SchoolofInformation,Guizhou UniversityofFinanceandEconomics,Guiyang暋550025,China)
暋 暋 收 稿 日 期 :2016灢10灢17 暋 暋 基 金 项 目 :贵 州 省 科 学 技 术 基 金 (黔 科 合 基 础 [2016]1022) 暋 暋 作 者 简 介 :陈 清 容 (1985灢),女 ,四 川 泸 州 人 ,硕 士 ,助 教 . 暋 暋 通 信 作 者 :唐 暋 斌 (1983灢),男 ,湖 南 隆 回 人 ,硕 士 ,讲 师 .
第44卷 第2期 2018 年 4 月
兰暋州暋理暋工暋大暋学暋学暋报 JournalofLanzhou UniversityofTechnology
暋 暋 文 章 编 号 :1673灢5196(2018)02灢0095灢07
来自百度文库
Vol.44 No.2 Apr.2018
Logistic模型描述控制参数的灰狼优化算法
鱼 群 算 法 (artificialfishswarm,AFS)[3]和 人 工 蜂 群 算 法 (artificialbeecolony,ABC)[4]等 . 暋暋2016 年 澳 大 利 亚 学 者 Mirjalili等 提 [5] 出 了 灰 狼优 化 算 法 (grey wolfoptimization,GWO),它 是 一种模拟自然界中灰狼群体的社会等级制度和捕食 行为的新型群 体 智 能 优 化 算 法.由 于 GWO 算 法 具 有实现简单、求解 精 度 高、稳 定 性 强 等 特 点,在 函 数 全局优化方面,已被 证 明 在 收 敛 精 度 和 速 度 上 均 优 于 PSO 和引力搜索 算 法(gravitationalsearchalgo灢
陈清容,唐暋斌
(贵州财经大学 信息学院,贵州 贵阳暋550025)
摘要:针对标准灰狼优化算法(GWO)易陷入局部最优和求解精度低的问题,提出 一 种 基 于 Logistic模 型 的 控 制 参 数自适应调整 GWO(AGWO)算法.分析了控制参数a 在算法进化过程中的重要作用,将 Logistic模 型 理 论 嵌 入 到 GWO 算法中自适应调整控制参数a.此外,为了提高算法的 全 局 收 敛 速 度,用 混 沌 序 列 方 法 产 生 初 始 种 群.采 用 8 个复杂基准测试函数进行数值实验,在相同的最大适应度函数评价次数下,AGWO 总 体 性 能 上 均 优 于 标 准 GWO、 NGWO、GWO灢DE、IGWO 和 GA灢GWO 算法.实验结果表明,在 GWO 算 法 框 架 内,采 用 Logistic模 型 自 适 应 调 整 控制参数在性能上明显优于线性递减调整方式. 关 键 词 :灰 狼 优 化 算 法 ;Logistic模 型 ;混 沌 ;函 数 优 化 中 图 分 类 号 :TP301.6暋 暋 文 献 标 志 码 :A
Abstract:Aimedattheproblemthatthesolutionofthegreywolfoptimization (GWO)algorithmisease
tobetrappedintolocaloptimumandhaslowprecision,anadaptivegreywolfoptimizationGWO(AGWO) algorithm withLogisticmodel灢basecontrolparameterwasproposed.Theimportantroleofthecontrolpa灢 rameteraintheevolutionprocessofthealgorithm wasanalyzed.TheLogisticmodeltheorywasimbedded intotheGWOalgorithmto makeadaptiveadjustmentofthecontrolparametera.Inaddition,inorderto enhancetheglobalconvergencespeedofthealgorithmaninitialpopulationwasgeneratedwithchaoticse灢 quencemethod.Itwasshownbynumericexperimenton8complexstandardtestfunctionsthattheoverall performanceofAGWO wassuperiortothatofthestandardGWO,NGWO,GWO灢DE,IGWO,andGA灢 GWO whenthenumberofevaluationofmaximumfitnessfunction wasidentical.Thesimulationresult showedthatinframeworkofGWOalgorithmtheadaptiveadjustmentofcontrolparameterwithLogistic modelwouldremarkablybesuperiortothelinearprogressivedecreaseadjustment methodinconnection withitsperformance.
Keywords:greywolfoptimizationalgorithm;Logisticmodel;chaotic;functionoptimization
暋暋自20世纪90 年 代 以 来,通 过 模 拟 生 物 群 体 协 同合作机 制 而 衍 生 的 群 体 智 能 算 法 得 到 了 快 速 发 展 ,并 取 得 了 极 为 丰 富 的 研 究 成 果 ,典 型 成 果 包 括 粒 子群优 化 算 法(particleswarmoptimization,PSO)[1]、 蚁群优化算法(antcolonyoptimization,ACO)[2]、人工