文献类型：期刊文章

作　　者：龙文[1,2] 蔡绍洪[1] 焦建军[2] 张文专[1] 唐明珠[3]

机构地区：[1]贵州财经大学贵州省经济系统仿真重点实验室,长沙410114 [2]贵州财经大学数学与统计学院,贵阳550025 [3]长沙理工大学能源与动力工程学院,长沙410114

出　　处：《控制与决策》

基　　金：国家自然科学基金项目(61463009;61403046);教育部人文社会科学研究规划基金项目(12XJA910001);贵州省教育厅125重大科技专项项目(黔教重大专项2012011)

年　　份：2016

卷　　号：31

期　　号：11

起止页码：1991-1997

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20164703040578)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：提出一种基于混沌和精英反向学习的混合灰狼优化算法以解决高维优化问题.首先,采用混沌序列产生初始种群为算法进行全局搜索奠定基础;然后,对当前精英个体分别执行精英反向学习策略以协调算法的勘探和开采能力;最后,在搜索过程中对决策层个体进行混沌扰动,以避免算法陷入局部最优的可能性.选取10个高维(100维、500维和1 000维)标准测试函数进行数值实验,结果表明,混合灰狼优化算法在求解精度及收敛速度指标上均明显优于对比算法.

关 键 词：灰狼优化算法  混沌映射 精英反向学习  高维优化问题  

分 类 号：TP273]