数学建模学习(90):改进的灰狼优化算法(I-GWO)对多元函数寻优
【摘要】
灰狼优化算法暂且不说了,本篇直奔改进的灰狼算法进行案例实践学习。
声明:即使订阅本专栏,也不可转载到它出,甚至商业用途。
文章目录
一、简介
二...
灰狼优化算法暂且不说了,本篇直奔改进的灰狼算法进行案例实践学习。
声明:即使订阅本专栏,也不可转载到它出,甚至商业用途。
一、简介
在论文中,论文作者提出了一种改进的灰狼优化器(I-GWO),用于解决全局优化和工程设计问题. 提出这一改进是为了缓解 GWO 算法缺乏种群多样性、开发和探索之间的不平衡以及过早收敛的问题。I-GWO 算法受益于一种新的运动策略,称为基于维度学习的狩猎 (DLH) 搜索策略,该策略继承自自然界中狼的个体狩猎行为。DLH 使用不同的方法为每只狼构建一个邻域,其中邻域信息可以在狼之间共享。DLH 搜索策略中使用的这种维度学习增强了局部和全局搜索之间的平衡并保持了多样性。
参考文献:
https://www.sciencedirect.com/scien
文章来源: chuanchuan.blog.csdn.net,作者:川川菜鸟,版权归原作者所有,如需转载,请联系作者。
原文链接:chuanchuan.blog.csdn.net/article/details/126407585
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
作者其他文章
评论(0)