在灰狼优化器中引入混沌及其在质因数分解中的应用
神经与进化计算
2018-06-13 v1 密码学与安全
摘要
灰狼优化器（GWO）是一种受自然界灰狼狩猎行为与社会等级启发的群体智能元启发式算法。本文分析了在该算法中运用混沌理论，通过将关键参数替换为混沌变量来提升其逃离局部最优的能力。随后，将所优选混沌映射用于把混沌灰狼优化器（CGWO）应用于将一个大的半素数分解为其素因子的难题。在假设因子位数相等的情形下，这是一项计算困难的任务，RSA密码系统即依赖于此。本工作提出使用一种新的目标函数来解决该问题，并利用CGWO对其进行优化并计算因子。结果表明，对于大半素数，该函数优于其前身，且CGWO是优化该函数的一种高效算法。
引用
@article{arxiv.1806.04419,
title = {Using Chaos in Grey Wolf Optimizer and Application to Prime Factorization},
author = {Harshit Mehrotra and Dr. Saibal K. Pal},
journal= {arXiv preprint arXiv:1806.04419},
year = {2018}
}
备注
7th International Conference on Soft Computing for Problem Solving - SocProS 2017