改进非线性收敛因子灰狼优化算法-附代码

改进非线性收敛因子灰狼优化算法-附代码,第1张

改进非线性收敛因子灰狼优化算法

文章目录 改进非线性收敛因子灰狼优化算法1.灰狼优化算法2.基于非线性收敛因子改进的灰狼优化算法3.实验结果4.参考文献5.Matlab代码6.python代码
摘要: 基于非线性收敛因子改进的灰狼优化算法。

1.灰狼优化算法

基础灰狼算法的具体原理参考,我的博客:https://blog.csdn.net/u011835903/article/details/107716390

2.基于非线性收敛因子改进的灰狼优化算法

GWO 优化算法的收敛因子在迭代过程中是随着迭代次数线性减小的,而更适合算法的目标应该是在算法前期,随着迭代的增加,收敛因子 a应慢速减小,从而让狼群更大范围搜索目标,达到全局搜索的最大化目的,而迭代到中后期,收敛因子 a 应该快速减少,让灰狼目标集中,快速收敛能够促使寻优的有效性,故文中改进了一种收敛因子,
a = 2 lg ⁡ 2 × lg ⁡ ( 2 − ( t t max ⁡ ) 2 ) a=\frac{2}{\lg 2} \times \lg \left(2-\left(\frac{t}{t_{\max }}\right)^{2}\right) a=lg22×lg(2(tmaxt)2)

3.实验结果

4.参考文献

[1]王正通,尤文,李双.改进非线性收敛因子灰狼优化算法[J].长春工业大学学报,2020,41(02):122-127.

5.Matlab代码 6.python代码

欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/web/1498037.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-06-25
下一篇 2022-06-25

发表评论

登录后才能评论

评论列表(0条)

保存