如何快速水一篇论文——改进元启发式算法改进点及文章结构

大佬就别点进来了，适合需要快速水文章的人看。首先说一下这个方向没什么实际意义，就是单纯的水论文。

如果是小白的话可以先看看灰狼、鲸鱼等受欢迎的算法，理解元启发式算法的探索和开发两个阶段。元启发式算法的文章虽然特别多，但是代码结构都大同小异，包括种群初始化，边界控制和位置更新。所以说改进点也集中在这三个地方，种群初始化目前较多的是混沌映射和反向学习，但是我感觉没什么用，只是为了水创新点。边界控制一般都是超过上界回到上界，超过下界回到下界，这就导致不能很好的利用当前解的信息，因此可以考虑将越界的个体回到当前最优解或其它解附近，当然一般作用也很小。最重要的是还是改进个体位置更新方式，这里就不得不提到非线性收敛因子，它对算法的影响还是非常大的。这里灰狼算法为例，简单演示一下这个流程：

首先改收敛因子，我们将原文中的线形收敛因子改成了非线性收敛因子，具体改动和结果如下，我们将这个改进策略命名为RGWO。

​

可以明显看见，对于函数F1，改进效果还是挺明显的。

然后改变位置更新公式，我们将原文中位置更新公式进行了改动，具体改动和结果如下，我们将这个策略命名为PGWO。