论文部分内容阅读
针对标准灰狼优化（greywolfoptimization，GWO）算法存在后期收敛速度慢，求解精度不高，易出现早熟收敛现象等问题，提出了一种基于对立学习策略和Rosenbrock局部搜索的混合灰狼优化（hybridGWO，HGWO）算法。该算法首先采用对立学习策略取代随机初始化生成初始种群，以保证群体的多样性；然后对当前群体中最优个体进行Rosenbrock局部搜索，以增强局部搜索能力和加快收敛速度；最后为了避免算法出现早熟收敛现象，利用精英对立学习方法产生精英对立个体。对6个标准测试函数进行仿真实验，