基于混合策略改进的金豺优化算法
Improved golden jackal optimization algorithm based on hybrid strategy
夏永承 1沈金荣 1刘梦权1
作者信息
- 1. 河海大学物联网工程学院,江苏 常州 213022
- 折叠
摘要
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.
关键词
cat混沌映射/反向学习/单纯形法/收敛因子/金豺优化算法Key words
cat chaotic mapping/opposition-based learning/simplex method/convergence factor/golden jackal optimization(GJO)algorithm引用本文复制引用
出版年
2023
NETL
NSTL
维普
万方数据