计算机应用研究

作者：张新明,杨方圆,刘国奇,

单位：1.河南师范大学计算机与信息工程学院,河南新乡453007；2.智慧商务与物联网技术河南省工程实验室,河南新乡453007；

关键词：优化算法,群智能优化算法,郊狼优化算法,生物地理学优化算法,多策略,

基金：国家自然科学基金项目(61901160)；河南省高等学校重点科研项目(19A520026)；；

郊狼优化算法（coyote optimization algorithm，COA）是最近提出的一种群智能优化算法，具有独特的搜索结构和较好的优化性能。为了进一步提高COA的优化性能，提出了一种多策略的郊狼优化算法（multi-strategy COA，MSCOA）。首先，对于组内最优郊狼，采用一种全局最优郊狼引导的成长策略提高其社会适应能力，对于组内最差郊狼，采用一种最优郊狼引导强化策略强化最差郊狼的能力；其次，对于组内其他郊狼采用一种动态调整信息交流的组内成长策略提升组内郊狼之间的信息共享程度，并将这种组内成长策略与一种改进的迁移策略融合，更进一步提升搜索能力；最后采用动态分组策略减少参数手动设置，提高算法的可操作性。以上多种策略的使用更好地平衡了探索与开采，使算法的性能最大化。大量来自CEC2014测试集的复杂函数实验结果表明，与COA相比，MSCOA具有更强的搜索能力、更快的运行速度和更高的搜索效率，与其他优秀优化算法相比，具有更明显的优势。

来源：2022年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第4期