一种基于混合策略的灰狼优化算法
文章目录
- 一种基于混合策略的灰狼优化算法
- 1.灰狼优化算法
- 2. 改进灰狼优化算法
- 3.实验结果
- 4.参考文献
- 5.Matlab代码
- 6.Python代码
摘要：灰狼优化算法作为一种群体智能算法，不可避免地会产生陷入局部寻优和收敛速度慢的问题。本文提出一种混合的改进策略，把动态权重和动态种群的结合起来，在提高收敛速度的同时，产生较好的解。
1.灰狼优化算法
2. 改进灰狼优化算法
提出一种动态权重策略，基于权重的个体狼位置计算如式（6）,（7）所示 。
动态权重策略是一种对迭代过程进行改进的策略 ，能够很大程度上提高灰狼优化算法的收敛速度，但全局搜索能力并不是很好。
采用动态种群的思想，每一次迭代完成后，把适应度值较低的一半个体狼信息进行改变，可以及时地跳出局部寻优。基于动态种群的计算如式（8）~（11）所示 ，这 4 个公式并不是按顺序依次执行，而是每个公式以 1/4 的概率执行。
本文对迭代过程进行改进，通过把动态权重和动态种群结合起来，提出一种混合策略的灰狼优化算法。
改进后的灰狼优化算法主要步骤：
（1）在狼群变量的上限和下限中随机初始化狼群和初始化算法参数。
（2）计算每个个体狼的适应度值。
（3）选择适应度排在前 3 的个体狼作为 , 狼。
（4）根据式（1）,（2）,（3）,（6）,（7）计算其它狼的位置。
（5）重新计算所有个体狼的适应度值。
3.实验结果
4.参考文献
[1]牛家彬,王辉.一种基于混合策略的灰狼优化算法[J].齐齐哈尔大学学报(自然科学版),2018,34(01):16-19+32.
5.Matlab代码
6.Python代码