基于领导者策略的狼群搜索算法.docxVIP

基于领导者策略的狼群搜索算法 0 狼群搜索优化算法 为了解决复杂的非线性优化问题，提出了许多智能成都优化算法。与传统的优化方法相比，群智能算法的实现简单，不受搜索空间和目标函数形状的限制，成功应用于优化问题。如粒子群算法(PSO)、遗传算法(GA)、人工蜂群算法(ABC)等。这些群智能优化算法不同程度地都存在着一些不足,如算法后期收敛速度较慢,易陷入局部最优或计算精度不高等问题。 2007年Yang等人仿生狼群捕食行为提出狼群算法。狼是一种非常有智慧的动物,它们在捕食食物的时候往往不是单独行动,而是由几匹狼组成小分队。首先派一部分狼搜索猎物,狼群通过气味不断地搜寻猎物;当发现了猎物时,迅速确定猎物的位置,通过嚎叫来召唤同伴,狼潜伏在各个方向等待时机对猎物进行围捕;最后狼群在捕食到食物后,按照狼的强弱来分配食物,那些较弱的狼将会被狼群淘汰。狼群算法就是基于狼群的这种捕食行为提出的,并将其成功地与人工蜂群算法融合,应用在机器人路径规划等方面。狼群算法有着良好的收敛速度,但是求精精度不高,易陷入局部优化。 本文以基本狼群算法为基础,引入领导者策略,提出一种基于领导者策略的狼群搜索优化算法(wolf colony search algorithm based on the strategy of the leader,LWCA)且应用于全局优化问题。通过实验与PSO、GA、ABC以及WC