代码复现:基于记忆机制的改进灰狼优化算法—mGWO(在CEC2017测试集上的代码)

代码复现:基于记忆机制的改进灰狼优化算法—mGWO,可用于对比实验。(注意:参考文献中并未将mGWO用于解决23个标准测函数而将其用于求解CEC2014与CEC2017测试集,经过复现发现,mGWO在CEC2014与CEC2017测试集中的大多数函数上的表现较好,而在23个标准测试函数上的性能,有相当一部分不如原算法,故而建议用户将其用于CEC2014与CEC2017测试集上的对比实验

参考文献:Gupta S, Deep K. A memory-based grey wolf optimizer for global optimization tasks[J]. Applied Soft Computing(SCI二区), 2020, 93: 106367.

代码链接:

算法效果图—以单峰函数CEC2017-1,简单多峰函数CEC2017-6,混合函数CEC2017-12,以及复合函数CEC2017-28为例

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值