科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对灰狼优化算法(grey wolf opotimizer, GWO)易早熟收敛和陷入局部最优的缺点，提出一种基于精英反向学习的改进灰狼算法(grey wolf optimizer based on particle swarm optimizer, PSO-GWO)。首先，利用精英反向学习机制初始化种群，使种群保持多样性；然后提出一种非线性控制因子策略，增加算法的搜索能力，提高算法的收敛速度；最后基于差分进化和粒子群思想更新了位置方程，从而提升算法的收敛性能。采取10个基准测试函数将本文提出的改进算法与差分进化算法、粒子群算法、传统灰狼算法、其他学者提出的改进灰狼优化算法进行对比。实验结果表明，本文提出的算法与其他算法相比，在求解多峰函数问题上效果显著，可以搜索到最优解0,同时求解最优非0解函数的效果也体现地较优越；同时运用改进的算法在实际电动汽车充电调度上进行了对比分析，发现也取得了不错的效果。
- 出版日期2022
- 单位自动化学院; 江西理工大学
