声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：43-1258/TP
国际刊号：1007-130X
发布日期:
作者：张孟健, 张浩, 陈曦, 杨靖
单位：（贵州大学电气工程学院,贵州 贵阳 550025）
关键词：灰狼优化算法,Cubic映射,反向学习,拉伸弹簧设计,非线性,
基金：国家自然科学基金(61861007,61640014)；贵州省工业攻关项目(黔科合支撑［2019］2152)；贵州省研究生创新基金(YJSCXJH［2019］005)；贵州省科技基金(黔科合基础［2020］1Y266)；贵州省农业攻关项目(黔科合支撑［2017］2520-1)；贵州省联合基金(黔科合LH字［2017］7228)
针对标准的灰狼优化算法GWO对于复杂优化问题的求解易陷入局部最优的缺点,从混沌初始化和非线性控制策略2个角度，提出一种基于Cubic映射和反向学习的灰狼优化算法COGWO。首先，利用Cubic映射和反向学习策略对种群进行初始化，并通过非线性参数控制策略来调节寻优过程中的参数；然后，对6种基准测试函数进行寻优实验，实验结果表明，COGWO算法具有更好的收敛精度、收敛速度和稳定性；最后，将COGWO算法应用到了实际的工程优化问题中。
来源：2021年第11期
《计算机工程与科学》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。