科研之友
微信
新浪微博
Facebook
分享链接
摘要
郊狼优化算法在迭代运行时种群多样性降低，收敛速度变慢，易陷入局部最优,并且在求解约束优化问题时难以获得可行解。提出一种动态调整成长方式的郊狼优化算法(DGCOA)。在狼群进化中引入变异交叉策略，增强种群多样性，基于郊狼成长策略加入全局最优个体指导搜索，使得每个子种群中的个体从不同的方向快速逼近最优解位置，并根据种群中个体相似度对郊狼位置更新方式进行调整，平衡算法的全局探索与局部开发能力。在求解约束优化问题时，利用自适应约束处理方法构建新的适应度函数，协调优化目标和约束违反度。基于CEC2006对22个测试函数和3个工程设计问题进行仿真，结果表明，与COA、ICTLBO、ODPSO等算法相比，DGCOA算法具有较高的收敛精度和稳定性，适用于求解复杂优化问题。
- 单位
