针对群搜索优化(GSO)算法存在的不足,提出一种新的GSO实现算法(NRGSO).采用5个300维和7个30 维的测试函数对NRGSO算法进行数值实验,并将其与GSO算法、微粒群优化(PSO)算法、遗传算法(GA)、进化规划(EP)、进化策略(ES)进行比较.结果表明,NRGSO算法的性能优于GSO算法;而在解决高维和多模态函数的优化问题方面,其性能优于PSO、GA、EP和ES等算法.NRGSO算法改进了群搜索优化原实现方法的不足,提高了算法的搜索性能,不仅在高维函数的优化中表现卓越,还能有效地避免陷入局

GSO群搜索优化算法(Group Search Optimizer)以及它的一个改进算法SGSO算法(Simplified Group Search Optimizer Algorithm)，可用于高维优化问题.

应用反向学习策略的群搜索优化算法。应用反向学习策略的群搜索优化算法