灰狼优化算法研究综述

发布时间：2022-07-15 13:16

　　灰狼优化（Grey Wolf Optimization,GWO）算法是一种新兴的群体智能优化算法,因简单高效而被成功应用于诸多领域。文章阐述了灰狼优化算法的搜索机制和实现过程,分析灰狼优化算法的特性,对目前GWO算法的相关改进及应用进行综述。重点对GWO算法的改进策略,包括种群初始化的改进、搜索机制的改进、参数的改进等进行了描述,对GWO算法在参数优化、复杂函数优化和组合优化等方面的应用进行了讨论。最后,对GWO算法的未来改进策略和实际应用进行了展望。 

【文章页数】：9 页

【文章目录】：
1 引言
2 灰狼群体捕食行为及灰狼优化算法
    2.1 灰狼群体捕食行为
    2.2 GWO的数学模型
        2.2.1 包围猎物
        2.2.2 狩猎
        2.2.3 攻击猎物 (开发)
        2.2.4 搜索猎物 (勘探)
    2.3 GWO算法的优化过程
3 GWO改进的研究进展
    3.1 初始化种群的改进
        1) Luo等[13]提出了一种基于复数值编码的改进GWO算法, 灰狼位置记录如下:
        2) Madhiarasan等[14]将灰狼种群划分为θ, ζ, ψ
        3) Long等[15]利用佳点集理论对种群进行初始化。
    3.2 搜索机制的改进
    3.3 对参数的改进
    3.4 混合算法的设计
4 GWO应用研究进展
    4.1 参数优化
        4.1.1 PID控制器参数的优化
        4.1.2 支持向量机参数的优化
        4.1.3 神经网络参数的训练
    4.2 复杂函数优化
    4.3 组合优化
        4.3.1 经济调度
        4.3.2 车间调度
    4.4 其他应用
5 GWO的未来研究方向
    5.1 GWO未来的理论研究
    5.2 GWO未来的改进研究
        1) 增加灰狼种群的多样性。
        2) 改进GWO算法的搜索机制。
        3) 开发高效的混合算法。
        4) 开发新的位置更新公式。
    5.3 GWO未来的应用研究


【参考文献】：
期刊论文
[1]混合灰狼优化算法求解柔性作业车间调度问题[J]. 姜天华.  控制与决策. 2018(03)
[2]求解作业车间调度问题的改进混合灰狼优化算法[J]. 姚远远,叶春明.  计算机应用研究. 2018(05)
[3]基于灰狼算法的改进研究[J]. 郭振洲,刘然,拱长青,赵亮.  计算机应用研究. 2017(12)
[4]求解高维优化问题的混合灰狼优化算法[J]. 龙文,蔡绍洪,焦建军,张文专,唐明珠.  控制与决策. 2016(11)
[5]一种新型非线性收敛因子的灰狼优化算法[J]. 王敏,唐明珠.  计算机应用研究. 2016(12)
[6]求解约束优化问题的改进灰狼优化算法[J]. 龙文,赵东泉,徐松金.  计算机应用. 2015(09)
[7]基于灰狼优化算法的置换流水线车间调度[J]. 吕新桥,廖天龙.  武汉理工大学学报. 2015(05)
[8]Hybridizing grey wolf optimization with differential evolution for global optimization and test scheduling for 3D stacked SoC[J]. Aijun Zhu,Chuanpei Xu,Zhi Li,Jun Wu,Zhenbing Liu.  Journal of Systems Engineering and Electronics. 2015(02)



本文编号：3662117