灰狼与郊狼混合优化算法及其聚类优化
文献类型：期刊论文
| 作者 | 张新明; 姜云; 刘尚旺; 刘国奇; 窦智; 刘艳
|
| 刊名 | 自动化学报
 |
| 出版日期 | 2022 |
| 卷号 | 48期号:11页码:2757-2776 |
| 关键词 | 优化算法 灰狼优化算法 郊狼优化算法 混合算法 聚类优化 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c190617 |
| 英文摘要 | 郊狼优化算法(Coyote optimization algorithm, COA)是最近提出的一种新颖且具有较大应用潜力的群智能优化算法,具有独特的搜索机制和能较好解决全局优化问题等优势,但在处理复杂优化问题时存在搜索效率低、可操作性差和收敛速度慢等不足.为弥补其不足,并借鉴灰狼优化算法(Grey wolf optimizer, GWO)的优势,提出了一种COA与GWO的混合算法(Hybrid COA with GWO, HCOAG).首先提出了一种改进的COA (Improved COA, ICOA),即将一种高斯全局趋优成长算子替换原算法的成长算子以提高搜索效率和收敛速度,并提出一种动态调整组内郊狼数方案,使得算法的搜索能力和可操作性都得到增强;然后提出了一种简化操作的GWO (Simplified GWO, SGWO),以提高算法的可操作性和降低其计算复杂度;最后采用正弦交叉策略将ICOA与SGWO二者融合,进一步获得更好的优化性能.大量的经典函数和CEC2017复杂函数优化以及K-Means聚类优化的实验结果表明,与COA相比, HCOAG具有更高的搜索效率、更强的可操作性和更快的收敛速度,与其他先进的对比算法相比, HCOAG具有更好的优化性能,能更好地解决聚类优化问题. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/56250]  |
| 专题 | 自动化研究所_学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 张新明,姜云,刘尚旺,等. 灰狼与郊狼混合优化算法及其聚类优化[J]. 自动化学报,2022,48(11):2757-2776. |
| APA | 张新明,姜云,刘尚旺,刘国奇,窦智,&刘艳.(2022).灰狼与郊狼混合优化算法及其聚类优化.自动化学报,48(11),2757-2776. |
| MLA | 张新明,et al."灰狼与郊狼混合优化算法及其聚类优化".自动化学报 48.11(2022):2757-2776. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。