两种动态灰狼优化算法

一、理论基础

1、灰狼优化算法

请参考这里

2、第一种动态灰狼优化算法(DGWO1)

原理请参考文献[1],具体算法流程图如图1所示。
在这里插入图片描述

图1 第一种动态灰狼优化算法流程图

3、第二种动态灰狼优化算法(DGWO2)

原理请参考文献[1],具体算法流程图如图2所示。
在这里插入图片描述

图2 第二种动态灰狼优化算法流程图

二、仿真实验与分析

为了测试算法的搜寻性能,将DGWO1、DGWO2与标准GWO算法进行对比。以文献[2]的F1~F6为例,维度为30维。种群规模 N = 30 N=30 N=30,最大迭代次数 T = 500 T=500 T=500,每个算法独立运算30次,取30次的最差值、最优值、平均值和标准差作为算法性能的度量标准。
对比结果显示如下:
在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述

函数:F1
GWO:最差值: 3.0789e-29,最优值:1.8825e-32,平均值:3.6686e-30,标准差:7.6313e-30
DGWO1:最差值: 5.5734e-20,最优值:8.6673e-22,平均值:1.1098e-20,标准差:1.3305e-20
DGWO2:最差值: 7.2143e-61,最优值:1.0473e-65,平均值:7.8418e-62,标准差:1.6123e-61
函数:F2
GWO:最差值: 2.7593e-18,最优值:3.5677e-19,平均值:1.2114e-18,标准差:5.9816e-19
DGWO1:最差值: 3.2108e-12,最优值:3.4321e-13,平均值:1.2397e-12,标准差:8.2756e-13
DGWO2:最差值: 4.3023e-35,最优值:5.0934e-37,平均值:1.0471e-35,标准差:1.1966e-35
函数:F3
GWO:最差值: 0.2827,最优值:5.7602e-05,平均值:0.013272,标准差:0.05128
DGWO1:最差值: 0.46306,最优值:0.0011419,平均值:0.083167,标准差:0.11844
DGWO2:最差值: 0.00041925,最优值:8.2449e-10,平均值:3.2981e-05,标准差:8.3877e-05
函数:F4
GWO:最差值: 0.00091485,最优值:5.6708e-06,平均值:6.7519e-05,标准差:0.00016305
DGWO1:最差值: 0.0025719,最优值:5.6167e-05,平均值:0.00082909,标准差:0.00062197
DGWO2:最差值: 2.6476e-08,最优值:1.0263e-10,平均值:3.58e-09,标准差:5.9969e-09
函数:F5
GWO:最差值: 28.5262,最优值:25.717,平均值:26.5573,标准差:0.73652
DGWO1:最差值: 28.5194,最优值:25.648,平均值:26.5924,标准差:0.70805
DGWO2:最差值: 27.9389,最优值:25.78,平均值:26.4937,标准差:0.56402
函数:F6
GWO:最差值: 0.70988,最优值:2.6785e-05,平均值:0.28634,标准差:0.22894
DGWO1:最差值: 0.75651,最优值:3.3838e-05,平均值:0.25221,标准差:0.23713
DGWO2:最差值: 0.50645,最优值:2.1248e-05,平均值:0.17054,标准差:0.19621

结果表明,动态GWO算法及时更新搜索狼的位置,提高了算法迭代收敛速度和收敛精度。

三、参考文献

[1] Zhang, X., Zhang, Y., Ming, Z… Improved dynamic grey wolf optimizer[J]. Frontiers of Information Technology and Electronic Engineering, 2021, 22: 877-890.
[2] 张阳, 周溪召. 求解全局优化问题的改进灰狼算法[J]. 上海理工大学学报, 2021, 43(1): 73-82.

  • 4
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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

打赏作者

心️升明月

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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