典型文献
灰狼与郊狼混合优化算法及其聚类优化
文献摘要：
郊狼优化算法(Coyote optimization algorithm,COA)是最近提出的一种新颖且具有较大应用潜力的群智能优化算法,具有独特的搜索机制和能较好解决全局优化问题等优势,但在处理复杂优化问题时存在搜索效率低、可操作性差和收敛速度慢等不足.为弥补其不足,并借鉴灰狼优化算法(Grey wolf optimizer,GWO)的优势,提出了一种COA与GWO的混合算法(Hybrid COA with GWO,HCOAG).首先提出了一种改进的COA(Improved COA,ICOA),即将一种高斯全局趋优成长算子替换原算法的成长算子以提高搜索效率和收敛速度,并提出一种动态调整组内郊狼数方案,使得算法的搜索能力和可操作性都得到增强;然后提出了一种简化操作的GWO(Simplified GWO,SGWO),以提高算法的可操作性和降低其计算复杂度;最后采用正弦交叉策略将ICOA与SGWO二者融合,进一步获得更好的优化性能.大量的经典函数和CEC2017复杂函数优化以及K-Means聚类优化的实验结果表明,与COA相比,HCOAG具有更高的搜索效率、更强的可操作性和更快的收敛速度,与其他先进的对比算法相比,HCOAG具有更好的优化性能,能更好地解决聚类优化问题.
文献关键词：
优化算法;灰狼优化算法;郊狼优化算法;混合算法;聚类优化
中图分类号：
作者姓名：
张新明;姜云;刘尚旺;刘国奇;窦智;刘艳
作者机构：
河南师范大学计算机与信息工程学院 新乡 453007;智慧商务与物联网技术河南省工程实验室 新乡 453007
文献出处：
引用格式：
[1]张新明;姜云;刘尚旺;刘国奇;窦智;刘艳-.灰狼与郊狼混合优化算法及其聚类优化)[J].自动化学报,2022(11):2757-2776
A类：
Coyote,HCOAG,SGWO
B类：
混合优化算法,聚类优化,郊狼优化算法,optimization,algorithm,大应用,群智能优化算法,搜索机制,全局优化,优化问题,搜索效率,收敛速度,速度慢,灰狼优化算法,Grey,wolf,optimizer,混合算法,Hybrid,Improved,ICOA,整组,搜索能力,Simplified,计算复杂度,正弦,交叉策略,优化性能,CEC2017,函数优化,Means,对比算法
AB值：
0.29779
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
