科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高灰狼优化算法种群多样性和搜索解的质量，提出一种基于Tent混沌函数与反向学习机制的非线性灰狼优化算法。采用Tent混沌函数和反向学习机制进行种群个体初始化，使得初始种群个体分布均匀及多样性增强；引入一种非线性收敛因子控制策略，平衡其全局搜索能力和局部搜索能力；引入动态权重策略以提升灰狼优化算法的收敛速度和收敛能力。为验证改进算法的有效性，采用8个基准数学函数测试其收敛速度和收敛精度，并与GWO、CGWO和I-GWO三种灰狼算法进行对比。实验结果表明：非线性灰狼优化算法在多个测试函数上的收敛精度均达到了10-5以上，收敛精度和收敛速度优于其他三种对比算法。
- 单位
