典型文献
基于鞅论的灰狼优化算法全局收敛性分析
文献摘要：
灰狼优化(grey wolf optimization,GWO)算法是一种基于群体智能的随机优化算法,已成功地应用于许多复杂的优化问题的求解.尽管GWO算法有很多改进形式,但缺少严谨的收敛性分析,导致改进后的算法不具备理论支撑.对此,运用鞅论分析其收敛性.首先,根据GWO算法原理建立其基本的数学模型,通过定义灰狼状态空间及灰狼群状态空间,建立GWO算法的Markov链模型,并分析该算法的Markov性质;其次,介绍鞅理论,推导出一个上鞅作为最优适应度值的群进化序列;然后,运用上鞅收敛定理,并结合其Markov性质对GWO算法进行收敛性分析,证明GWO算法能以1的可能性达到全局收敛;最后,通过数值实验验证其收敛性能.实验结果表明,GWO算法具有全局收敛性强、计算耗时较低、寻优精度高等特点.
文献关键词：
灰狼优化算法;Markov链;鞅论;状态转移;数值实验;全局收敛
中图分类号：
作者姓名：
孙丽君;冯斌斌;陈天飞
作者机构：
河南工业大学粮食信息处理与控制教育部重点实验室,郑州450001;河南工业大学郑州市机器感知与智能系统重点实验室,郑州450001;河南工业大学信息科学与工程学院,郑州450001
文献出处：
引用格式：
[1]孙丽君;冯斌斌;陈天飞-.基于鞅论的灰狼优化算法全局收敛性分析)[J].控制与决策,2022(11):2839-2848
A类：
鞅论
B类：
灰狼优化算法,全局收敛性,收敛性分析,grey,wolf,optimization,GWO,群体智能,随机优化,优化问题,算法原理,状态空间,狼群,Markov,鞅理论,适应度值,数值实验,收敛性能,寻优精度,状态转移
AB值：
0.270175
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。
