一种融合灰狼优化与鲸鱼优化的新型混合算法用于全局数值优化及压力容器设计求解
神经与进化计算
2020-03-27 v1
摘要
近年来提出了一种元启发式算法，如鲸鱼优化算法（WOA），其提出灵感来源于座头鲸的狩猎行为。然而，WOA在开发阶段性能较差，并停滞于局部最优解。灰狼优化（GWO）与其他常见元启发式算法相比极具竞争力，因为在单峰基准函数测试中其在开发阶段表现优异。因此，本文旨在将GWO与WOA相混合以克服上述问题。GWO在开发最优解方面表现良好。本文提出了一种称为WOAGWO的WOA与GWO混合算法。所提出的混合模型包含两步。首先，将GWO的狩猎机制以一种新的与GWO相关的条件嵌入到WOA的开发阶段。其次，在探索阶段加入一种新技术以在每次迭代后改进解。实验在三类不同的标准测试函数（即基准函数）上进行测试：23个常用函数、25个CEC2005函数和10个CEC2019函数。所提出的WOAGWO还与原始WOA、GWO及其他三种常用算法进行了对比评估。结果表明，基于Wilcoxon秩和检验，WOAGWO优于其他算法。最后，WOAGWO同样被应用于求解压力容器设计等工程问题。结果证明WOAGWO获得了优于WOA和适应度依赖优化器（FDO）的最优解。
引用
@article{arxiv.2003.11894,
title = {A Novel Hybrid GWO with WOA for Global Numerical Optimization and Solving Pressure Vessel Design},
author = {Hardi M. Mohammed and Tarik A. Rashid},
journal= {arXiv preprint arXiv:2003.11894},
year = {2020}
}
备注
28 pages