目录
1.算法原理
2.改进点
收敛因子非线性调整策略
GWO 算法的探索和开发能力很大程度上依赖于A 的取值, 当|A| >1 时, 灰狼群体通过扩大搜索范
围继续搜寻猎物, 即全局搜索; 而当|A| <1 时, 灰狼群体则通过收缩搜索范围来进攻猎物, 即局部开发。A 的取值取决于收敛因子a 的变化。 因此, 收敛因子a 的取值影响着算法的全局搜索和局部开发能力。
a
=
2
×
[
1
−
(
t
t
max
)
2
]
1
2
]
(1)
a=2\times\left[1-\left(\frac t{t_{\max}}\right)^2\right]^{\frac12}]\tag{1}
a=2×[1−(tmaxt)2]21](1)
基于步长欧氏距离原理的比例权重动态调整策略
黄金正弦策略
3.结果展示
设置GGWO与GWO种群数量100，最大迭代次数500：
4.参考文献
[1] 陈杰,陈岁繁,李其朋.融合多策略的黄金正弦灰狼优化算法[J].浙江科技学院学报,2023,35(06):514-526.
标签：策略,GWO,正弦,灰狼,算法,复现,原理,智能算法 From： https://blog.csdn.net/Logic_9527/article/details/137503133