一种混合策略改进的灰狼优化算法

摘要

为了改善传统灰狼优化算法初始种群不均匀、收敛速度慢和易陷入局部寻优的缺点,提出一种混合策略改进的灰狼优化算法.首先,基于反向学习策略生成多样化种群,为算法全局搜索奠定基础;然后,引入非线性调整策略平衡算法的全局和局部搜索能力,提升算法运行效率;最后,在位置更新中引入莱维飞行策略扩大搜索范围,增强算法全局搜索能力.通过12个标准基准函数测试算法性能.仿真结果表明,IGWO算法比传统GWO算法的寻优精度和稳定性平均提高了4倍.