.png){kind=icon}
返回
Beetle antenna strategy based grey wolf optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2020.113882.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为现实世界的问题找到可行的解决方案是一项至关重要的任务。由于元启发式算法可以产生多种解决方案，因此在许多领域中得到了广泛的应用。灰狼优化器 (GWO) 是一种相对新颖的基于种群的元启发式算法，已被证明具有良好的优化性能。但是，由于在某些情况下狼的多样性不足，这种方法可能会导致局部最优的情况。因此，本文提出了一种基于甲虫天线策略 (BGWO) 的灰狼优化方法，该方法使领导者狼具有听觉感，以提高全局搜索能力并减少不必要的搜索。此外，为了平衡勘探和开发，提出了一种基于余弦函数的非线性动态控制参数更新策略。为了评估提出的BGWO的性能，本文使用23个标准基准函数在不同维度上测试了该方法。此外，还使用了四个著名的工程问题来评估所提出的算法获得现实问题解决方案的能力。实验结果表明，BGWO具有优越的性能，在求解精度，收敛速度和稳定性方面与许多最新算法具有竞争力。
Keyword:
Grey wolf optimizer
Swarm intelligence
Beetle antenna strategy
Metaheuristics
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.5
论文数:
2.9W
被引数:
10.2W
机构
引用论文
Analysis of the formation of flower shapes in wild species and cultivars of tree peony using the MADS-box subfamily gene.png)
Gene
GeneIF0
PREAI
分享收藏Moth-flame optimization algorithm: A novel nature-inspired heuristic paradigm蛾焰优化算法: 一种新的自然启发启发式范式
PREAI
分享收藏Mechanisms of renal injury and progression of renal disease in congenital obstructive nephropathy
PREAI
分享收藏分享收藏Recent studies on optimisation method of Grey Wolf Optimiser (GWO): a review (2014-2017)灰狼优化器 (GWO) 优化方法研究进展 (2014-2017)
PREAI
分享收藏分享收藏
查看更多内容