一种基于并行搜索策略的苍狼算法  

Improved grey wolf algorithm based on parallel search strategies

作　　者：符强[1,2] 汪鹏君[2] 童楠[1] 

机构地区：[1]宁波大学科学技术学院,浙江宁波315212 [2]宁波大学信息科学与工程学院,浙江宁波315211

出　　处：《计算机应用研究》2016年第6期1662-1665,共4页Application Research of Computers

基　　金：宁波市自然科学基金资助项目(2014A610069);浙江省教育厅科研项目(Y201326770);"十二五"浙江省重点学科建设项目(计算机应用技术)

摘　　要：作为一种新型群体智能方法,苍狼算法模拟了苍狼在群体捕食过程中的搜索跟踪、包围、攻击等行为,具有结构简单、寻优能力强的特点。分析了该算法的优化机理,并对算法优化过程进行了数学定义及描述;提出了一种基于并行搜索策略的改进型苍狼算法,将狼群分组,在整个搜索过程中同时进行局部开发和全局探索活动,以更好地满足目标搜寻的要求。通过典型的基准测试函数对算法进行了性能仿真测试,实验结果表明,与其他群体智能优化方法相比,改进型苍狼算法在收敛速度、收敛精度及鲁棒性等方面均具有一定优势。As a new swarm intelligence methods,grey wolf algorithm（ GWA） simulated the main steps of hunting in groups,searching for prey,tracking prey,encircling prey,and attacking prey. This paper analyzed the bionic mechanism of the algorithm,defined the process of algorithm by mathematics,and proposed a modified grey wolf algorithm based on parallel search strategy（ PSGWA）,in which wolves were divided into two groups and performed local exploitation and global exploration in the entire optimization process. The experiment results of 5 classic benchmark functions indicate that,compared with other swarm intelligence algorithms,PSGWA has certain advantages in convergence speed,convergence precision and robustness.

关 键 词：苍狼算法 群体智能 并行搜索策略 仿生机制 函数优化 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TP301.6[自动化与计算机技术—控制科学与工程]