求解高维复杂函数的遗传-灰狼混合算法

作者：顾清华^*; 李学现; 卢才武; 阮顺领

来源：控制与决策, 2020, 35(05): 1191-1198.

DOI：10.13195/j.kzyjc.2018.1253

• 高维复杂函数优化
• 灰狼优化算法
• 遗传算子
• 反向学习
• 种群划分

高维函数优化一般是指维数超过100维的函数优化问题,由于"维数灾难"的存在,求解起来十分困难.针对灰狼算法迭代后期收敛速度慢,求解高维函数易陷入局部最优的缺点,在基本灰狼算法中引入3种遗传算子,提出一种遗传-灰狼混合算法(hybrid genetic grey wolf algorithm, HGGWA).混合算法能够充分发挥两种算法各自的优势,提高算法的全局收敛性,针对精英个体的变异操作有效防止算法陷入局部最优值.通过13个标准测试函数和10个高维测试函数验证算法的性能,并将优化结果与PSO、GSA、GWO三种基本算法以及9种改进算法进行比较.仿真结果表明,所提算法在收敛精度方面得到了极大改进,验证了HGGWA算法求解高维函数的有效性.

• 出版日期2020
• 单位西安建筑科技大学