.png){kind=icon}
返回
COMBINING GREY WOLF OPTIMIZATION AND WHALE OPTIMIZATION ALGORITHM FOR BENCHMARK TEST FUNCTIONS
.png){kind=icon}
OA
AI
DOI：10.17780/ksujes.1213693.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
许多优化问题已成功采用元启发式方法解决。这些方法通常能够快速有效地选择最佳答案。最近，基于群集的优化算法（一种元启发式方法）的应用变得更加普遍。本研究通过结合鲸鱼优化算法（WOA）和灰狼优化算法（GWO），提出了一种名为WOAGWO的混合群集优化方法。该方法旨在利用两种算法的优点，实现更有效的混合算法。使用了23个基准测试函数来评估WOAGWO。通过运行所提出的方法30次，计算了平均适应度和标准差值。这些结果与文献中的WOA、GWO、蚁狮优化算法（ALO）、粒子群优化（PSO）和改进的蚁狮优化（IALO）进行了比较。与文献中的这些算法相比，WOAGWO算法在7个单峰基准函数中有5个、6个多峰基准函数中有4个以及10个固定维度的多峰基准函数中有9个产生了最优结果。因此，所建议的方法总体上优于文献中的结果。所提出的WOAGWO方法显示出良好的前景，并且具有广泛的应用范围。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息