针对金豺优化算法(golden jackal optimization,GJO)在求解复杂优化问题时存在收敛速度慢和易陷入局部最优等不足,提出一种混合策略改进的金豺优化算法(improved golden jackal optimization,IGJO)。在算法的最优解停滞更新时,引入柯西...针对金豺优化算法(golden jackal optimization,GJO)在求解复杂优化问题时存在收敛速度慢和易陷入局部最优等不足,提出一种混合策略改进的金豺优化算法(improved golden jackal optimization,IGJO)。在算法的最优解停滞更新时,引入柯西变异策略,增强种群多样性和提升算法陷入局部最优的逃逸能力;提出一种基于权重的决策策略,通过对金豺个体赋予不同权重进行种群位置更新的决策,加快算法的收敛速度。对8个基准测试函数以及部分CEC2017测试函数进行寻优实验,结果表明改进算法具有更好的优化性能和收敛速度;进一步地,将改进算法应用于支持向量回归(support vector regression,SVR)模型的参数优化,并在选取的5个UCI(University of California,Irvine)数据集上进行实验,验证了改进算法的有效性。展开更多
文摘针对金豺优化算法(golden jackal optimization,GJO)在求解复杂优化问题时存在收敛速度慢和易陷入局部最优等不足,提出一种混合策略改进的金豺优化算法(improved golden jackal optimization,IGJO)。在算法的最优解停滞更新时,引入柯西变异策略,增强种群多样性和提升算法陷入局部最优的逃逸能力;提出一种基于权重的决策策略,通过对金豺个体赋予不同权重进行种群位置更新的决策,加快算法的收敛速度。对8个基准测试函数以及部分CEC2017测试函数进行寻优实验,结果表明改进算法具有更好的优化性能和收敛速度;进一步地,将改进算法应用于支持向量回归(support vector regression,SVR)模型的参数优化,并在选取的5个UCI(University of California,Irvine)数据集上进行实验,验证了改进算法的有效性。
