改進(jìn)的灰狼優(yōu)化算法及其高維函數(shù)和FCM優(yōu)化
關(guān)鍵詞：智能優(yōu)化算法 灰狼優(yōu)化算法 反向?qū)W習(xí) 差分變異 高維函數(shù)優(yōu)化
摘要：灰狼優(yōu)化算法(GWO)具有較強(qiáng)的局部搜索能力和較快的收斂速度,但在解決高維和復(fù)雜的優(yōu)化問題時(shí)存在全局搜索能力不足的問題.對此,提出一種改進(jìn)的GWO,即新型反向?qū)W習(xí)和差分變異的GWO(ODGWO).首先,提出一種最優(yōu)最差反向?qū)W習(xí)策略和一種動(dòng)態(tài)隨機(jī)差分變異算子,并將它們?nèi)谌隚WO中,以便增強(qiáng)全局搜索能力;然后,為了很好地平衡探索與開采能力以提升整體的優(yōu)化性能,對算法前、后半搜索階段分別采用單維操作和全維操作形成ODGWO;最后,將ODGWO用于高維函數(shù)和模糊C均值(FCM)聚類優(yōu)化.實(shí)驗(yàn)結(jié)果表明,在許多高維Benchmark函數(shù)(30維、50維和1 000維)優(yōu)化上, ODGWO的搜索能力大幅度領(lǐng)先于GWO,與state-of-the-art優(yōu)化算法相比, ODGWO具有更好的優(yōu)化性能.在7個(gè)標(biāo)準(zhǔn)數(shù)據(jù)集的FCM聚類優(yōu)化上,與GWO、GWOepd和LGWO相比, ODGWO表現(xiàn)出了更好的聚類優(yōu)化性能,可應(yīng)用在更多的實(shí)際優(yōu)化問題上.
控制與決策雜志要求:
{1}注釋及參考文獻(xiàn)格式參照GB/T7714-2015《信息與文獻(xiàn)參考文獻(xiàn)著錄規(guī)則》。
{2}請勿一稿兩投；請遵循學(xué)術(shù)規(guī)范，如出現(xiàn)剽竊，文責(zé)自負(fù)。
{3}投稿方式：將電子版（Word 文檔）發(fā)送至編委會(huì)郵箱，并以“ 作者單位+ 作者姓名+ 文章標(biāo)題” 為郵件名稱。
{4}屬于課題或基金項(xiàng)目的論文，請?jiān)敿?xì)注明類別、名稱及編號(hào)等內(nèi)容。
{5}用第一、第二……或首先、其次……時(shí)，如每段文字不長可在同一自然段內(nèi)接排，如每段文字均較長，可另起一自然段。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
