信息共享模型和组外贪心策略的郊狼优化算法

发布时间：2022-05-05 20:25

　　郊狼优化算法（Coyote Optimization Algorithm,COA）是最近提出的一种新颖群智能优化算法,具有较大的应用潜力,但存在运行时间长和搜索能力不足等问题。因此,文中提出了一种改进的COA,即基于信息共享和组外（静态）贪心的COA（COA based on Information sharing and Static greed selection,ISCOA）。首先,构建一种新型的信息共享模型,用于子群所有郊狼的成长,在郊狼成长前期,共享信息差异性大,以增加种群的多样性,在效狼成长后期,共享信息差异性小,以强化开采能力;其次,构建一种新的组内成长方式,即前期主要采用信息共享模型的成长方式,以郊狼的信息共享为主强化探索能力,后期主要采用原算法的成长方式,以alpha狼和文化趋势的引导为主强化开采能力;最后,将原算法的组内贪心算法改成组外贪心算法,即静态贪心算法,以便提高算法的稳定性和实现目标函数计算等的并行处理,提高运行速度。大量复杂的CEC2017函数优化实验结果表明,与COA相比,ISCOA在29个10维和30维函数上分别获得了23和24个函数的优势,其平均运行... 

【文章页数】：8 页

【文章目录】：
1 引言
2 郊狼优化算法
    2.1 初始化并随机分组
    2.2 郊狼成长
    2.3 郊狼的生与死
    2.4 郊狼被驱离和接纳
3 改进的郊狼优化算法
    3.1 信息共享模型
    3.2 新型成长方式
    3.3 组外贪心选择策略
    3.4 ISCOA总流程
4 实验结果与分析
    4.1 优化性能分析
    4.2 收敛性分析
    4.3 Wilcoxon符号秩检验
5 ISCOA用于拉伸/压缩弹簧设计问题
    5.1 拉伸/压缩弹簧设计问题
    5.2 将ISCOA用于拉伸/压缩弹簧设计问题


【参考文献】：
期刊论文
[1]GWO与ABC的混合优化算法及其聚类优化[J]. 张新明,王霞,康强,程金凤.  电子学报. 2018(10)
[2]改进的混合蛙跳算法及其在多阈值图像分割中的应用[J]. 张新明,程金凤,康强,王霞.  计算机科学. 2018(08)



本文编号：3650958