基于灰狼优化的反向学习粒子群算法

• 作者: 周蓉 李俊 王浩
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 粒子群算法 反向学习 灰狼优化算法 贝塔分布
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 理论与研发
• 页码范围: 48-56
• 页数: 9页
• 分类号: TP301.6
• 字数: 7134字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1904-0203

摘要

针对粒子群算法(PSO)易早熟收敛、逃离局部最优能力差、精度低等缺点,提出一种基于灰狼优化的反向学习粒子群算法.该算法对最优粒子采用反向学习策略产生反向解,扩大种群的搜索范围,增强了算法的全局搜索能力;对其非最优粒子采用新型社会学习方式,提高其搜索效率和开采性能;同时,针对PSO收敛精度较低的问题,引入灰狼优化算法,并对其收敛因子产生扰动,平衡算法全局和局部搜索性能并提高其精度.在CEC2017测试函数上进行仿真实验,结果表明,在相同的实验条件下,改进后的粒子群算法在收敛精度和收敛速度上有显著提升,且其性能明显优于标准粒子群算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李俊	武汉科技大学计算机科学与技术学院	85	279	8.0	13.0
3	王浩	武汉科技大学计算机科学与技术学院	19	114	7.0	10.0
5	周蓉	武汉科技大学计算机科学与技术学院	2	0	0.0	0.0