狼群算法介绍

计算机科学与工程学院,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,2024/11/15,狼群算法,介绍,Southeast University,优化理论课程,2024/11/15,基本内容,算法,简介,算法实现,实验仿真,实验结论,2024/11/15,算法简介,复杂非线性优化,群体智能算法,粒子群,（,鸟群扑食,）,蚁群,、鱼群、细菌觅食,（,大肠杆菌,在,食道,）,狼群算法,早熟、,收敛精度,不高,易陷入,局部最优,模拟游猎行为,：,独立的局部精细搜索,；,模拟召唤行为,：,局部最优解,的,搜索效率,;,模拟攻击行为,：,全局最优解,2024/11/15,算法简介,三种行为,游走行为,召唤行为,围攻行为,两条准则,强者生存,胜者为王,2024/11/15,算法实现,几点说明,：,初始目标函数值最大,的作为头狼；,选取,除头狼外最佳,的部分人工狼为探狼；剩余的作为猛狼；,奔袭和围攻行为是由猛狼执行的。,按“,胜者为王,”的头狼规则对头狼,位置进行更新,；,按照“,强者生存,”的狼群更新机制进行,群体更新,。,终止条件包括：,优化精度,或最大迭代次数,2024/11/15,实验仿真,4,种典型非线性函数,2024/11/15,实验仿真,典型,函数,不同,优化,算法,对比,结果,2024/11/15,WPA,对不同特征的复杂函数都具有较好的,鲁棒性,和,全局收敛性能,，可有效避免常用智能算法所出现的算法早熟收敛问题。特别对,多峰、高维,的复杂函数寻优效果较好，可以给大量,非线性、多峰值,的复杂优化问题的求解提供新的思路和解决方法。,实验结论,