控制与决策

作者：顾清华,李学现,卢才武,阮顺领

单位：西安建筑科技大学管理学院，西安710055,,西安建筑科技大学管理学院，西安710055,,西安建筑科技大学管理学院，西安710055,,西安建筑科技大学管理学院，西安710055,

关键词：高维复杂函数优化;灰狼优化算法;遗传算子;反向学习;种群划分

基金：国家自然科学基金项目(51774228,51404182)；陕西省自然科学基金项目(2017JM5043)；陕西省教育厅专项科研计划项目(17JK0425).

高维函数优化一般是指维数超过100维的函数优化问题,由于“维数灾难”的存在,求解起来十分困难.针对灰狼算法迭代后期收敛速度慢,求解高维函数易陷入局部最优的缺点,在基本灰狼算法中引入3种遗传算子,提出一种遗传-灰狼混合算法(hybrid genetic grey wolf algorithm,HGGWA).混合算法能够充分发挥两种算法各自的优势,提高算法的全局收敛性,针对精英个体的变异操作有效防止算法陷入局部最优值.通过13个标准测试函数和10个高维测试函数验证算法的性能,并将优化结果与PSO、GSA、GWO三种基本算法以及9种改进算法进行比较.仿真结果表明,所提算法在收敛精度方面得到了极大改进,验证了HGGWA算法求解高维函数的有效性.

来源：2020年第5期

《控制与决策》期刊编辑部

查看控制与决策杂志2020年第5期