改进收敛因子和比例权重的灰狼优化算法-附代码

改进收敛因子和比例权重的灰狼优化算法

摘要： 在分析灰狼优化算法不足的基础上，提出一种改进的灰狼优化算法（CGWO），该算法采用基于余弦规律变化的收敛因子，平衡算法的全局搜索和局部搜索能力，同时引入基于步长欧氏距离的比例权重更新灰狼位置，从而加快算法的收敛速度。

1.灰狼优化算法

基础灰狼算法的具体原理参考，我的博客：https://blog.csdn.net/u011835903/article/details/107716390

2. 改进灰狼优化算法（CGWO）

2.1 基于余弦规律变化的收敛因子

当 |A|＞1 时，灰狼群体将扩大搜索范围寻找猎物，即全局搜索，收敛速度快；当 |A|＜1 时，灰狼群体将收缩搜索范围对猎物进行攻击，即局部搜索，收敛速度慢。因此， A 的大小与GWO算法的全局搜索和局部搜索能力有很大关系。由公式（3）可以看出， A 随着收敛因子 a 的变化而变化，收敛因子 a 是随着迭代次数从2线性递减到0，但是算法在不断收敛的过程中并不是线性的，由此可知，线性递减的收敛因子a 不能完全体现出实际的优化搜索过程。因此，本文提出了一种基于余弦规律变化的收敛因子，其修正表达式为：
$$\{\begin{array}{l}a=a_{\text{final }}+\left(a_{\text{initial }}-a_{\text{final }}\right)\frac{1+{\left[\cos \left((t-1)\pi /\left(t_{\max }-1\right)\right)\right]}^n}{2},\\ t⩽\frac{1}{2}{t}_{\max }\\ a=a_{\text{final }}+\left(a_{\text{initial }}-a_{\text{final }}\right)\frac{1-{|\cos \left((t-1)\pi /\left(t_{\max }-1\right)\right)|}^n}{2},\\ \frac{1}{2}{t}_{\max }⩽t⩽t_{\max }\end{array},\text{\hspace{1em}(7)}$$
式中， a initial 和 a final 为收敛因子 a 的初始值和最终值，本文取 a initial =2 ， a final =0 ， t 为当前迭代次数， t max 为最大迭代次数， n 为递减指数， 0<n≤1 。

2.2 引入动态权重策略

提出一种基于步长欧氏距离的比例权重，表达式如下：
$$W_1=\frac{\left|{\mathbf{X}}_1\right|}{\left|{\mathbf{X}}_1\right|+\left|{\mathbf{X}}_2\right|+\left|{\mathbf{X}}_3\right|},W_2=\frac{\left|{\mathbf{X}}_2\right|}{\left|{\mathbf{X}}_1\right|+\left|{\mathbf{X}}_2\right|+\left|{\mathbf{X}}_3\right|},W_3=\frac{\left|{\mathbf{X}}_3\right|}{\left|{\mathbf{X}}_1\right|+\left|{\mathbf{X}}_2\right|+\left|{\mathbf{X}}_3\right|}\text{\hspace{1em}(8)}$$
$$\mathbf{X}(t+1)=\frac{{\mathbf{X}}_1\cdot W_1+{\mathbf{X}}_2\cdot W_2+{\mathbf{X}}_3\cdot W_3}{3}\text{\hspace{1em}(9)}$$

其中 $W_1、W_2、W_3$ 分别表示 ω 狼对 α 、 β 、 δ 狼的学习率。

综合以上改进策略描述，给出本文所提出的改进灰狼优化算法（CGWO）的步骤：
步骤1 设置种群规模 N ，最大迭代次数 t max ，随机生成 a 、 A 、 C 等参数。
步骤2 在搜索空间内随机初始化灰狼种群。
步骤3 计算种群中所有灰狼个体的适应度值，并按照适应度值进行排序，选择前三个最好的狼，记录其位置 X α 、 X β 和 X δ 。
步骤4 利用公式（5）、（8）和（9）更新种群中其他灰狼个体的位置。
步骤 5 利用公式（7）计算 a ，然后利用公式（3）和（4）更新 A ， C 的值。
步骤6 判断算法是否满足结束条件，若达到预定的最大迭代次数 t max ，则停止计算，输出最优位置 X α ，否则，重复执行步骤3~步骤5。

3.实验结果

4.参考文献

[1]王秋萍,王梦娜,王晓峰.改进收敛因子和比例权重的灰狼优化算法[J].计算机工程与应用,2019,55(21):60-65+98.

5.Matlab代码

6.python代码