求解约束优化问题的改进灰狼优化算法improvedgrey-计算机应用.pdfVIP

JournalofComputerApplications ISSN1001-9081 2015- 【-10 ,2015, ( ): - CODENJYIIDU 计算机应用 【【 【 【 :1001-9081(2015) -0000-00 doi:10.11772/j.issn.1001-9081.2015. .0000 文章编号 【 【 求解约束优化问题的改进灰狼优化算法 1* 2 3 龙 文 ，赵东泉 ，徐松金 (1. 贵州省经济系统仿真重点实验室（贵州财经大学），贵阳 550004； 2. 枣庄科技职业学院 机械工程系，山东 滕州 277500； 3. 铜仁学院 数学科学学院，贵州 铜仁 554300) (*通信作者电子邮箱：lw770457@163.com) 摘 要 针对基本灰狼优化: (GWO)算法存在求解精度低、收敛速度慢、局部搜索能力差的问题，提出一种改进灰狼优化 (IGWO)算法用于求解约束优化问题。该算法采用非固定多段映射罚函数法处理约束条件，将原约束优化问题转化为无约束优 化问题，然后利用IGW 算法对转换后的无约束优化问题进行求解。在IGW 算法中，引入佳点集理论生成初始种群，为算 法全局搜索奠定基础；为了提高局部搜索能力和加快收敛速度，对当前最优灰狼个体执行Powell局部搜索。采用几个标准 束优化测试问题进行仿真实验，结果表明该算法不仅克服了基本GW 的缺点，而且性能优于差分进化和粒子群优化算法。 关键词: 灰狼优化算法；约束优化；非固定多段映射罚函数法；佳点集 中图分类号: TP301.6 文献标志码:A Improvedgreywolfoptimizationalgorithmforconstrained optimizationproblem 1* 2 3 LONGWen ,ZHA Dongquan ,XUSongjin (1.GuizhouKeyLaboratoryofEconomicsSystemSimulation(GuizhouUniversityofFinanceEconomics),Guiyang550004,China; 2.DepartmentofMechanicalEngineering,ZaozhuangVacationalCollegeofScienceTechnology,TengzhouShandong277500,China; 3.CollegeofMathematicalScience,TongrenUniversity,TongrenGuizhou554300,China) Abstract: The standard grey wolf optimization (GWO) algorithm has a few disadvantages of low solving precision, slow convergence, and bad local