灰狼优化算法(Grey Wolf Optimizer,GWO)是一种新型优化算法,常用于各种优化问题求解。然而,GWO算法在求解某些问题时,存在求解精度低、收敛慢和易陷入局部最优等缺陷。为解决这些问题,本研究将差分进化算法(Differential Evolution,DE...灰狼优化算法(Grey Wolf Optimizer,GWO)是一种新型优化算法,常用于各种优化问题求解。然而,GWO算法在求解某些问题时,存在求解精度低、收敛慢和易陷入局部最优等缺陷。为解决这些问题,本研究将差分进化算法(Differential Evolution,DE)的杂交和优选操作引入GWO算法的初始化和迭代计算过程中,设计了一种基于杂交进化的灰狼优化算法。通过实验对算法性能进行评估,结果表明,该改进算法在计算精度、收敛速度和稳定性等方面具有显著优势。展开更多
文摘灰狼优化算法(Grey Wolf Optimizer,GWO)是一种新型优化算法,常用于各种优化问题求解。然而,GWO算法在求解某些问题时,存在求解精度低、收敛慢和易陷入局部最优等缺陷。为解决这些问题,本研究将差分进化算法(Differential Evolution,DE)的杂交和优选操作引入GWO算法的初始化和迭代计算过程中,设计了一种基于杂交进化的灰狼优化算法。通过实验对算法性能进行评估,结果表明,该改进算法在计算精度、收敛速度和稳定性等方面具有显著优势。
