针对原始灰狼优化算法(GWO)易陷入局部最优和全局搜索能力较弱的问题,提出一种改进灰狼优化算法(Improved Grey Wolf Optimization,IGWO)。该算法首先通过引入非线性收敛因子来调整控制参数,进一步平衡GWO的全局搜索和局部开发能力。其...针对原始灰狼优化算法(GWO)易陷入局部最优和全局搜索能力较弱的问题,提出一种改进灰狼优化算法(Improved Grey Wolf Optimization,IGWO)。该算法首先通过引入非线性收敛因子来调整控制参数,进一步平衡GWO的全局搜索和局部开发能力。其次,在灰狼位置更新的过程中结合布谷鸟优化算法的搜索机制,帮助灰狼种群陷入停滞时跳出局部最优。最后,在6个基准测试函数进行仿真实验,结果表明IGWO能提升GWO的性能。展开更多
文摘针对原始灰狼优化算法(GWO)易陷入局部最优和全局搜索能力较弱的问题,提出一种改进灰狼优化算法(Improved Grey Wolf Optimization,IGWO)。该算法首先通过引入非线性收敛因子来调整控制参数,进一步平衡GWO的全局搜索和局部开发能力。其次,在灰狼位置更新的过程中结合布谷鸟优化算法的搜索机制,帮助灰狼种群陷入停滞时跳出局部最优。最后,在6个基准测试函数进行仿真实验,结果表明IGWO能提升GWO的性能。
