全局引导和相互作用的郊狼优化算法及其应用

• 作者: 付子豪 刘国奇 刘尚旺 张新明 窦智 陈海燕
• 来源期刊: 计算机应用研究
• 关键词: 智能优化算法 郊狼优化算法 全局引导 图像增强 医学图像
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2711-2717
• 页数: 7页
• 分类号: TP181
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.04.0136

摘要

针对新型的郊狼优化算法(COA)在解决复杂优化问题时收敛速度慢、全局搜索能力不足的问题,提出了一种嵌入全局引导和相互作用的郊狼优化算法(GCCOA).首先在组内所有郊狼的成长过程中,构建一种全局引导的alpha狼,增强开采能力,提高收敛速度;然后提出一种相互作用的文化趋势,使得组内的文化趋势受到组内郊狼相互作用的影响,以此提高算法全局搜索能力;最后,将GCCOA运用到CEC2017复杂函数优化和医学图像增强上.大量实验结果表明,与COA、HFPSO、CSPSO和β-GWO等算法相比,在29个函数上,GCCOA获得22个第一,有更好的全局搜索能力和收敛质量.应用于医学图像增强的实验结果表明,与COA等算法相比,GCCOA能更好地解决医学图像增强中参数优化问题.所以,GCCOA是一种很有潜力的优化算法.