找回密码
 立即注册
查看: 403|回复: 4

关于灰狼优化算法怎样进行改进?

[复制链接]
发表于 2021-10-11 16:20 | 显示全部楼层 |阅读模式
求matlab源码
发表于 2021-10-11 16:28 | 显示全部楼层
可以试试天牛须搜索算法,和灰狼优化类似,但是效率更高,收敛更快,相关资源更多:
lishuai8:天牛须搜索算法(BAS)
    qq讨论群437958608matlab工具箱https://github.com/jywang2016/BASmatlab100多页的文档(中文)https://github.com/jywang2016/rBAS_documentsR工具箱https://github.com/jywang2016/rBAS数据库搜索beetle antennae search,或者中文’天牛须‘可以找到很多相关英文、中文论文及专利中文视频讲解:https://www.youtube.com/watch?v=62OpoO-hekg英文视频讲解:https://www.youtube.com/watch?v=d3ZO7HUeivs另外还有python,java版本程序,及相关其他资源在qq群文件中
发表于 2021-10-11 16:36 | 显示全部楼层
灰狼优化算法原始paper开放源码的,研究GWO难到不下载原始paper吗?
改进方法有很多,智能算法改进从三个方面入手,1、种群初始化方法,初始种群的质量对优化算法性能影响很大。2、局部搜索算子改进,比如与GA的变异算法、DE的变异算法等融合,更多的是针对要解决的问题设计变异算法。3、全局搜索算子,比如GA的交叉算法。
GWO、GA、FPA我做过挺多paper的。智能优化算法创新点就体现在你针对特定问题设计的种群初始化、局部搜索、全局搜索等算法,更好地平衡算法的局部探索和全局搜索能力。
发表于 2021-10-11 16:46 | 显示全部楼层
我看了灰狼算法的过程,发现三个问题:
1.初始化,结果与初始位置关系密切相关,过度集聚的初始位置陷入局部最小值。采用一定措施,强制 均匀化初始位置,保证初始化点尽量分布空间各个位置。
2.迭代算子。灰狼算法为了提高算法速度,刚开始采用较大的前进步,后续采用较小前进步,容易会出现陷入局部最小值跳不出来的情况。个人想法是 在后期 某些算子依然保持 较大的步伐,保证能跳出局部最小。
修改个五个优化算法,但是优化业内的书比较少看,有些词语表达可能不太准确,见谅。
发表于 2021-10-11 16:52 | 显示全部楼层
可以使用群智能优化算法去做,Sparrow search algorithm(SSA)!
这是一个全新的群智能优化算法,具有简单,良好扩展性的特点,是一种天然的多种群,自适应算法!
作为刚提出的新算法,很适合进行各种改进研究,发表论文。
关于算法源代码及介绍,可加QQ群:869592172
希望对大家有用!
懒得打字嘛,点击右侧快捷回复 【右侧内容,后台自定义】
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Unity开发者联盟 ( 粤ICP备20003399号 )

GMT+8, 2024-11-15 16:38 , Processed in 0.092119 second(s), 25 queries .

Powered by Discuz! X3.5 Licensed

© 2001-2024 Discuz! Team.

快速回复 返回顶部 返回列表