狼群算法介绍

2020/6/30狼群算法介绍2020/6/30基本内容算法简介算法实现实验仿真实验结论2020/6/30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2020/6/30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2020/6/30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2020/6/30实验仿真4种典型非线性函数2020/6/30实验仿真典型函数不同优化算法对比结果2020/6/30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