基于社会等级淘汰机制的GWOPSO算法

作者：张子豪; 靳其兵^*

来源：南京理工大学学报, 2021, 45(02): 164-170.

DOI：10.14177/j.cnki.32-1397n.2021.45.02.005

• 社会等级
• 淘汰机制
• 灰狼优化算法
• 粒子群优化算法
• 混沌映射
• 群智能优化

灰狼优化(Grey wolf optimizer, GWO)算法是一种近年提出的新的群智能优化算法,为了解决其寻优精度低以及收敛速度慢的缺点,该文提出一种灰狼-粒子群智能优化(Grey wolf optimizerparticle swarm optimization, GWOPSO)算法。采用混沌算法中的Logistic混沌映射初始化种群,使狼群种群开始分布更加趋于随机;提出一种繁衍淘汰机制,等级不同的灰狼对于下一代灰狼产生不同的权重,并且对狼群中最差的一批灰狼予以淘汰,根据繁衍机制生成新的种群;采用粒子群优化算法的速度矢量,为狼群狩猎提供方向。根据仿真实验,GWOPSO算法的收敛速度和精度相较与粒子群优化(Particle swarm optimization, PSO)和GWO都有了极大的提高,相较于其他的改进灰狼算法,GWOPSO表现出不错的寻优能力。

• 单位
  北京化工大学