声明： 自己当初在看到该文章的时候就抱着试试的态度，给作者发了 邮件，不过 会回复的那么快，而且每个问题都做说明，很是惊喜，还开心，之前就一直收藏在邮箱里，这两天重新翻阅，越发觉得应该贴出来。再次谢谢作者详细的回复！！！
邮件原文如下：
你好，我是张老师的学生，也是本文的作者之一，非常高兴你对这篇文章感兴趣，下面就你的问题跟你交流分享一下我的个人见解，希望能对你的学习和研究有所帮助。
问题1：文章2.2中说到为了强化等级制度对于狼群狩猎的影响，为每个灰狼个体设计两种狩猎。这里有些不明白，是通过不同的等级映射可选择的狩猎方式强调等级吗？
答：这里确实是根据灰狼所属的不同等级帮助其选择对应的狩猎方式，使得不同等级的灰狼拥有不同的更新方式，借此强调“等级制度”这一概念。
问题2：决策因子那里本质是获得一个小于等于1的小数，这个有什么特别的目的吗？因为决策因子主要是受狼的等级影响，为什么不直接的使用狼的等级？
答：这里的决策因子可以理解为是根据灰狼所属等级计算出来的一个更新模式选择概率，因为“概率”就是用来反应一件事情会发生的可能性的大小嘛，这里就用来表示选择某一种位置更新方式的可能性。
问题3：α狼位置更新，那里使用d与k的关系作为条件，K是随机的产生的一个数？头狼不是每一代中的适应度最好的吗？这个位置更新，是在头狼确定的基础之上，一直对其位置改变。d=k的时候，随机的两头狼的该属性去更新，这个为什么不借鉴下一等级最优的哪两头狼？
答：这里k是[1,D]间的一个随机正整数，表示从1到D维中随机挑选1维，这点在文章中也是有详细说明的。当d=k时，就意味着它当时正好挑选中了自己所在维度的值，这时用自己的值替换自己也就是没有改变，那就没有意义了，同时也会浪费计算次数，所以为避免这种情况，我们所选取的解决方式是：当d=k时，借鉴差分进化算法的突变思想，利用随机选择其他的两头狼的该位置的差值去更新a狼的位置，这种策略更加强调加强算法的全局探索能力，而当d≠K时,a狼的更新方式则更强调局部探索能力，这样就使得算法在全局探索和局部搜索能力上比较均衡。而借鉴下一等级最优的两头狼的位置则还是强调局部探索能力，所以就没有考虑。
问题4：等级的强化在位置更新上，不设置权重吗？依照原文中的除以3，我总觉得这个没有强化出等级。可能是自己理解不够吧?
答：你这个问题提的非常好，说明你对GWO算法确实也有着自己的深入思考。依照原文中的除以3，确实无法体现出a,β,δ之间等级的局别，而本文的改进策略也是出于对“除以3无法体现出狼群等级制度”这一点的思考。你所提的“设置权重”确实是一种很机智的改进思路，也是可行的，如《基于改进流体扰动算法与灰狼优化的无人机三维航路规划》中就是通过“设置权重”来优化GWO算法的性能，所以你也可以从这“权重设置”这一角度出发设计相应的改进策略来对GWO算法的性能进行优化。
问题5：代码测试函数那里，偏移测试函数中的z=x-o这里的o是什么啊？
答：这里的平移函数大多选自CEC2005测试集，其中o在原文中的标准解释是“the shifted global optimum”，你如果想对这些测试函数有更深入的了解的话，可以参考CEC2005这篇文献，它也可以帮助你对其他测试函数的特征、结构、最优值等有一个更全面的认识。
问题6：还有代码我使用原作者网站上的GWO测试函数，通常都没有您图上所示的结果，会出现没有GWO函数图形。所以不知道可不可以参看下您的代码？（嘻嘻**就是这么臭不要脸）
答：对于这个问题我也只能表示非常抱歉了，因为实验代码应该也算是每个实验室的特有劳动成果了，所以实在是不方便外传，还请多多见谅和理解。
希望通过上述的回答能够帮助你解除疑惑！
也祝你：
学业有成，天天开心。
2018年5月23日
最后还 附送了相关的论文----------大写的感谢，好感动！！
扫一扫
69
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
