计算机应用研究

作者：王正通,程凤芹,尤文,李双,

单位：1.长春工业大学电气与电子工程学院,长春130012；2.吉林建筑科技学院电气信息工程学院,长春130114；

关键词：灰狼优化算法,扰动因子,翻筋斗觅食,收敛性,局部最优,

基金：吉林省科技发展计划资助项目(20200403131SF)；；

灰狼优化算法（grey wolf optimization，GWO）存在收敛的不合理性等缺陷，目前对GWO算法的收敛性改进方式较少，除此之外，当GWO迭代至后期，所有灰狼个体都逼近α狼、β狼、δ狼，导致算法陷入局部最优。针对以上问题，提出了一种增强型的灰狼优化算法（disturbance and somersault foraging-grey wolf optimization，DSF-GWO）。首先引入一种扰动因子，平衡了算法的开采和勘探能力；其次引入翻筋斗觅食策略，在后期使其不陷入局部最优的同时也使得前期的群体多样性略有提升。对DSF-GWO算法的寻优性能进行验证，选取14个单/多峰目标函数进行实验，在相同的参数设置下，结果表明DSF-GWO算法在寻优性能上较GWO算法有明显优势。

来源：2021年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第5期