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 ...

两种动态灰狼优化算法

文章目录