首页|基于混合策略改进的金豺优化算法

基于混合策略改进的金豺优化算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对金豺算法种群初始化多样性不足、在搜索后期容易陷入局部最优的问题,对金豺优化算法作了改进.利用Cat混沌映射和精英反向学习策略初始化种群,利用单纯形法优化较差个体,改进了收敛因子,引入自适应权重的方式更新位置,引入个体记忆方法加快其收敛速度并采用高斯变异优化最优解.通过对8个基准测试函数进行仿真实验,与MFO算法、MVO算法、GWO算法、SCA算法进行比较,证明了经改进的GJO算法具有更高的求解精度和更快的收敛速度.
Improved golden jackal optimization algorithm based on hybrid strategy

cat chaotic mappingopposition-based learningsimplex methodconvergence factorgolden jackal optimization(GJO)algorithm

夏永承、沈金荣、刘梦权

展开 >

河海大学物联网工程学院,江苏 常州 213022

cat混沌映射 反向学习 单纯形法 收敛因子 金豺优化算法

江苏省重点研发计划

BE2022100

2023

10.16644/j.cnki.cn33-1094/tp.2023.11.007

计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
年,卷(期)：2023.(11)
  • 3