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