两种动态灰狼优化算法
文章目录
- 一、理论基础
- 1、灰狼优化算法
- 2、第一种动态灰狼优化算法(DGWO1)
- 3、第二种动态灰狼优化算法(DGWO2)
- 二、仿真实验与分析
- 三、参考文献
一、理论基础
1、灰狼优化算法
请参考这里。
2、第一种动态灰狼优化算法(DGWO1)
原理请参考文献[1],具体算法流程图如图1所示。
图1 第一种动态灰狼优化算法流程图
3、第二种动态灰狼优化算法(DGWO2)
原理请参考文献[1],具体算法流程图如图2所示。
图2 第二种动态灰狼优化算法流程图
二、仿真实验与分析
为了测试算法的搜寻性能,将DGWO1、DGWO2与标准GWO算法进行对比。以文献[2]的F1~F6为例,维度为30维。种群规模N=30N=30N=30,最大迭代次数T=500T=500T=500,每个算法独立运算30次,取30次的最差值、最优值、平均值和标准差作为算法性能的度量标准。
对比结果显示如下:
函数:F1
GWO:最差值: 3.0789e-29,最优值:1.8825e-32,平均值:3.6686e-30,标准差:7.6313e-30
DGWO1:最差值: 5.5734e-20,最优值:8.6673e-22,平均值:1.1098e-20,标准差:1.3305e-20
DGWO2:最差值: 7.2143e-61,最优值:1.0473e-65,平均值:7.8418e-62,标准差:1.6123e-61
函数:F2
GWO:最差值: 2.7593e-18,最优值:3.5677e-19,平均值:1.2114e-18,标准差:5.9816e-19
DGWO1:最差值: 3.2108e-12,最优值:3.4321e-13,平均值:1.2397e-12,标准差:8.2756e-13
DGWO2:最差值: 4.3023e-35,最优值:5.0934e-37,平均值:1.0471e-35,标准差:1.1966e-35
函数:F3
GWO:最差值: 0.2827,最优值:5.7602e-05,平均值:0.013272,标准差:0.05128
DGWO1:最差值: 0.46306,最优值:0.0011419,平均值:0.083167,标准差:0.11844
DGWO2:最差值: 0.00041925,最优值:8.2449e-10,平均值:3.2981e-05,标准差:8.3877e-05
函数:F4
GWO:最差值: 0.00091485,最优值:5.6708e-06,平均值:6.7519e-05,标准差:0.00016305
DGWO1:最差值: 0.0025719,最优值:5.6167e-05,平均值:0.00082909,标准差:0.00062197
DGWO2:最差值: 2.6476e-08,最优值:1.0263e-10,平均值:3.58e-09,标准差:5.9969e-09
函数:F5
GWO:最差值: 28.5262,最优值:25.717,平均值:26.5573,标准差:0.73652
DGWO1:最差值: 28.5194,最优值:25.648,平均值:26.5924,标准差:0.70805
DGWO2:最差值: 27.9389,最优值:25.78,平均值:26.4937,标准差:0.56402
函数:F6
GWO:最差值: 0.70988,最优值:2.6785e-05,平均值:0.28634,标准差:0.22894
DGWO1:最差值: 0.75651,最优值:3.3838e-05,平均值:0.25221,标准差:0.23713
DGWO2:最差值: 0.50645,最优值:2.1248e-05,平均值:0.17054,标准差:0.19621
结果表明,动态GWO算法及时更新搜索狼的位置,提高了算法迭代收敛速度和收敛精度。
三、参考文献
[1] Zhang, X., Zhang, Y., Ming, Z… Improved dynamic grey wolf optimizer[J]. Frontiers of Information Technology and Electronic Engineering, 2021, 22: 877-890.
[2] 张阳, 周溪召. 求解全局优化问题的改进灰狼算法[J]. 上海理工大学学报, 2021, 43(1): 73-82.
两种动态灰狼优化算法相关推荐
- 动态规划——最长上升子序列问题 两种角度及优化算法
最长上升子序列 OpenJ_Bailian - 2757 一个数的序列 bi,当 b1 < b2 < ... < bS的时候,我们称这个序列是上升的.对于给定的一个序列( a1, a ...
- 重选精英个体的非线性收敛灰狼优化算法-附代码
重选精英个体的非线性收敛灰狼优化算法 文章目录 重选精英个体的非线性收敛灰狼优化算法 1.灰狼优化算法 2. 改进灰狼优化算法 2.1 收敛因子非线性调整策略 2. 2 精英个体重选策略 3.实验结果 ...
- 启发式算法之灰狼优化算法
前言 蚁群算法?秃鹰算法?布谷鸟算法?鱼群算法?猴群算法?这都是些啥? 这些算法听起来都很接地气,实际上也确实很接地气.它们都是学者通过观察动物们的行为得到的灵感,从而设计出来的精彩的算法.以动物命名 ...
- IGWO-SVM:改良的灰狼优化算法改进支持向量机。 采用三种改进思路:两种Logistic和Tent混沌映射和采用DIH策略
IGWO-SVM:改良的灰狼优化算法改进支持向量机. 采用三种改进思路:两种Logistic和Tent混沌映射和采用DIH策略. 采用基于DIH维度学习的狩猎搜索策略为每只狼构建邻域,增强局部和全局搜 ...
- 一种改进非线性收敛方式的灰狼优化算法研究
文章目录 一.理论基础 1.基本灰狼优化算法(GWO) 2.改进灰狼优化算法(CGWO) (1)引入混沌策略反向学习初始化种群 (2)改进非线性收敛因子 (3)Cauchy变异算子 二.算法实现步骤 ...
- 一种改进的灰狼优化算法-附代码
一种改进的灰狼优化算法 文章目录 一种改进的灰狼优化算法 1.灰狼优化算法 2. 改进灰狼优化算法 2.1 基于混沌的种群初始化方法 2.2 修改位置更新方程 2.3 控制参数随机调整策略 3.实验结 ...
- 度量相似性数学建模_一种基于粒子群位置更新思想灰狼优化算法的K-Means文本分类方法与流程...
技术特征: 1.一种基于粒子群位置更新思想灰狼优化算法的k-means文本分类方法,其特征在于:包括以下步骤: s1:对文本数据进行预处理,得到预处理后文本数据: s2:采用余弦角度为相似性度量,分别 ...
- 协调探索和开发能力的改进灰狼优化算法
文章目录 一.理论基础 1.基本灰狼优化算法 2.改进灰狼优化算法 (1)佳点集种群初始化 (2)非线性控制参数策略 (3)基于个体记忆功能的位置更新公式 二.仿真实验与分析 三.参考文献 一.理论基 ...
- 关于《强化狼群等级制度的灰狼优化算法》的问题邮件回复
声明: 自己当初在看到该文章的时候就抱着试试的态度,给作者发了 邮件,不过 会回复的那么快,而且每个问题都做说明,很是惊喜,还开心,之前就一直收藏在邮箱里,这两天重新翻阅,越发觉得应该贴出来.再次谢谢 ...
最新文章
- mysql 值到99999后不增值了_MySQL数据库之更新语句精解(一)
- 实录分享 | 计算未来轻沙龙:深度学习工具专场(PPT下载)
- Alpha 冲刺 (7/10)
- 网页设计html最简单水印方法,前端canvas水印快速制作(附完整代码)
- 基于以太坊的测试链发布一个智能合约
- 搭建Android开发环境
- Linux openJDK执行javac编译java文件提示command not found
- python怎么一步步调试_PyCharm入门第一步(二)——调试第一个Python应用程序
- BZOJ.2595.[WC2008]游览计划(DP 斯坦纳树)
- scratch高级进阶的游戏项目分享:(知识的综合应用),含项目源文件百度云盘链接
- FFmpeg下载秒级 支持各个平台各个版本
- 泰戈尔专集:飞鸟集·新月集·园丁集(美冠纯美阅读书系·外国卷) 读后感
- MATLAB基础学习系列二——矩阵
- django后台管理界面美化
- 记事本改字体的代码java_记事本编程切换字体颜色 用java编写一个记事本程序
- 程序员如何进行用户界面设计
- Opencv中使用ocl模块遇到的问题
- 网吧服务器维护,网吧维护入门教程之无盘原理 | 专业网吧维护
- Hexo文件压缩:使用hexo-neat插件压缩页面静态资源
- 检测到可疑访问 php,php.net被Chrome/Firefox浏览器标注为可疑站点