| 为求解高维优化问题, 提出基于反向学习和衰减因子的灰狼优化算法(grey wolf algorithm based on opposition learning and reduction factor, ORGWO). 设计一种灰狼反向学习模型, 模型考虑问题搜索边界信息和种群历史搜索信息, 初始种群阶段增加反向学习, 增强种群多样性. 根据算法各个阶段不同特征引入衰减因子, 平衡全局和局部勘探能力. 选取 8 个高维函数和 23 个不同特征的优化函数对算法性能进行测试, 进一步使用收敛性分析, 寻优成功率, CPU 时间, Wilcoxon 秩和检验来评估改进算法, 实验结果表明, ORGWO 算法在求解高维问题上具有较好的精度, 鲁棒性和更快的收敛速度. |
