科研之友
微信
新浪微博
Facebook
分享链接
摘要
鲸鱼优化算法(WOA)是一种模拟鲸鱼捕食猎物而提出的元启发式算法，具有操作简单、调节参数少等优点。但由于WOA在迭代中后期探索和开发能力不足，导致算法求解精度低，易于陷入局部最优。针对WOA收敛速度慢、精度低、全局探索能力不足且易于陷入局部最优等缺点，提出了一种改进的鲸鱼优化算法(GFWOA)。通过引入反向学习策略，对初始种群生成反向解，提高了初始种群质量，进一步加快了算法的收敛速度。通过引入高斯随机游走策略到鲸鱼优化算法局部寻优阶段，提高了算法的开发能力，增强了算法全局探索的能力和跳出局部最优的能力。并分别在单峰测试函数、多峰测试函数、低维多峰测试函数上进行仿真实验，通过平均值、标准差与最优值作为衡量算法性能的标准。结果表明，GFWOA在收敛精度、收敛速度和稳定性方面均较对比算法有明显提升。最后通过假设检验方法将GFWOA与其他算法进行比较，得出GFWOA在性能方面更具优势。
- 单位
