典型文献
一种基于教与学的混合灰狼优化算法
文献摘要：
针对灰狼优化算法(GWO)存在收敛精度不高、易陷入局部最优的不足,提出一种基于教与学的混合灰狼优化算法(HGWO).首先,采用佳点集理论进行种群初始化,提高初始种群的遍历性;其次,提出一种非线性控制参数策略,在迭代前期增加全局搜索能力,避免算法陷入局部最优,在迭代后期增加局部开发能力,提高收敛精度;最后,结合教与学算法(TLBO)和粒子群优化算法,修改原位置更新公式以优化算法搜索方式,从而提升算法的收敛性能.为验证HGWO算法的有效性,选取9种标准测试函数,将HGWO算法、GWO算法以及其他群体智能优化算法和其他改进GWO算法进行仿真实验.实验结果表明,所提出的HGWO算法性能优于GWO算法和其他群体智能优化算法,且在改进算法中具有一定优势.
文献关键词：
群体智能优化;灰狼优化算法;佳点集理论;非线性控制参数;教与学算法;粒子群算法
中图分类号：
作者姓名：
李全耀;沈艳霞
作者机构：
江南大学物联网技术应用教育部工程研究中心,江苏无锡214122
文献出处：
引用格式：
[1]李全耀;沈艳霞-.一种基于教与学的混合灰狼优化算法)[J].控制与决策,2022(12):3190-3196
A类：
B类：
混合灰狼优化算法,收敛精度,局部最优,HGWO,佳点集理论,种群初始化,初始种群,遍历性,非线性控制参数,全局搜索,搜索能力,局部开发,教与学算法,TLBO,粒子群优化算法,位置更新,收敛性能,标准测试函数,群体智能优化算法,算法性能,改进算法,粒子群算法
AB值：
0.220953
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。
