融合多策略改进的灰狼优化算法OA

求解复杂优化问题时,灰狼优化算法存在收敛速度慢、容易陷入局部极值的缺点。针对此问题,提出了一种融合多策略改进的灰狼优化算法。首先采用混沌序列产生在解空间均匀分布的初始种群;然后结合精英反向学习机制进行最优解的搜索,引入收敛停滞监测策略,提升算法整体抗停滞能力,保持种群多样性;最后提出一种收敛因子非线性动态调整策略,提高算法的全局收敛速度和稳定性。对10个经典高维测试函数进行仿真实验,结果表明,改进算法能有效摆脱局部极值点,其全局优化性能优于标准灰狼优化算法。