AWPA 的灵感来自狼群 (WP) 在：侦察、召唤和围攻中的社会行为。 笔记： 如果运行时出错，请通过以下方式访问完整的 SwarmWolf1001 包http://1drv.ms/1sRfFgZ
2021-11-02 10:55:52
2.16MB
1
在多目标灰狼优化器 (MOGWO) 中，一个固定大小的外部档案被集成到 GWO 中，用于保存和检索帕累托最优解。 该档案已被用于定义社会等级并模拟多目标搜索空间中灰狼的狩猎行为。 主要论文可在此处找到：S. Mirjalili、S. Saremi、SM Mirjalili、L. Coelho，多目标灰狼优化器：一种用于多标准优化的新算法，专家系统与应用程序，印刷中，DOI： http ://dx.doi.org/10.1016/j.eswa.2015.10.039
该算法的单目标版本可以在这里找到： http : //au.mathworks.com/matlabcentral/fileexchange/44974-grey-wolf-optimizer--gwo -
更多信息请见： http : //www.alimirjalili.com/GWO.html
其他相关提交： ht
2021-10-29 14:50:37
46KB
1
I-GWO 算法受益于一种新的运动策略，称为基于维度学习的狩猎 (DLH) 搜索策略，该策略继承自自然界狼的个体狩猎行为。 DLH 使用不同的方法为每只狼构建一个邻域，其中可以在狼之间共享相邻信息。 DLH 搜索策略中使用的这种维度学习可以增强局部和全局搜索之间的平衡并保持多样性。
作者和程序员：MH Nadimi-Shahraki、S. Taghian、S. Mirjalili 电子邮件：nadimi@ieee.org、shokooh.taghian94@gmail.com、ali.mirjalili@gmail.com
http://www.alimirjalili.com
主要论文：MH Nadimi-Shahraki、S. Taghian、S. Mirjalili，用于解决的改进灰狼优化器，工程问题，专家系统与应用，印刷中，DOI：10.1016/j.eswa.2020.1
2021-10-21 23:39:08
151KB
1