文献类型：期刊文章

作　　者：张晓凤[1] 王秀英[1]

ZHANG Xiao-feng;WANG Xiu-ying(College of Information Science and Technology,Qingdao University of Science and Technology,Qingdao,Shandong 266000,China)

机构地区：[1]青岛科技大学信息科学技术学院,山东青岛266000

出　　处：《计算机科学》

基　　金：国家自然科学基金项目(61773107;61403071)资助

年　　份：2019

卷　　号：46

期　　号：3

起止页码：30-38

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：灰狼优化(Grey Wolf Optimization,GWO)算法是一种新兴的群体智能优化算法,因简单高效而被成功应用于诸多领域。文章阐述了灰狼优化算法的搜索机制和实现过程,分析灰狼优化算法的特性,对目前GWO算法的相关改进及应用进行综述。重点对GWO算法的改进策略,包括种群初始化的改进、搜索机制的改进、参数的改进等进行了描述,对GWO算法在参数优化、复杂函数优化和组合优化等方面的应用进行了讨论。最后,对GWO算法的未来改进策略和实际应用进行了展望。

关 键 词：灰狼优化算法  群体智能 搜索机制 参数优化

分 类 号：TP301]