基于收敛因子非线性动态变化的灰狼优化算法

摘要

针对基本灰狼优化（grey wolf optimization，GWO）算法在解决高维数值优化问题时存在易陷入局部最优、收敛速度慢等缺点，提出一种基于收敛因子非线性动态变化的改进GWO（IGWO）算法。该算法首先利用混沌初始化生成初始种群，以提高初始灰狼个体的质量；然后，通过引入指数函数对GWO算法的收敛因子更新公式进行改进，在进化过程中，收敛因子的大小随迭代次数的增加非线性动态变化，以协调算法的探索能力和开发能力；最后，对当前最优灰狼个体执行混沌扰动，以避免算法出现早熟收敛。对9个典型的测试函数进行了测试，实验结果表明：与基本GWO算法相比，IGWO算法具有更好的寻优性能。