基于改进搜索策略的狼群算法.docx

基于改进搜索策略的狼群算法摘要：针对狼群算法（WPA）存在的收敛速度慢、易陷入局部最优、人工狼交互性不理想等不足提出一种基于改进搜索策略的狼群（MWPA）算法。对游走行为以及召唤行为引入交互策略促使人工狼之间进行信息交流提升狼群对全局信息的掌握增强狼群的探索能力；对围攻行为提出自适应围攻策略使算法具有调节作用随着算法的不断进化狼群围攻范围不断减小算法开采能力不断增强从而提高算法收敛速度。通过优化问题中6个典型复杂函数的仿真实验表明与基于领导者策略的狼群搜索（LWCA）算法相比改进搜索策略的狼群算法求解精度更高、收敛速度更快更加适合函数优化问题的求解。关键词：狼群算法；交互策略；函数优化；自适应；搜索策略中图分类号：TP301.6文献标志码：AAbstract：AimingattheshortcomingsofWolfPackAlgorithm（WPA）suchasslowconvergencebeingeasytofallintolocaloptimumandunsatisfactoryartificialwolfinteractivityawolfpackalgorithmbasedonmodifiedsearchstrategywasproposedwhichnamedModifiedWolfPackAlgorithm（MWPA）.Inordertopromotetheexchangeofinformationbetweentheartificialwolvesimprovethewolvesgraspoftheglobalinformationandenhancetheexploringabilityofwolvestheinteractivestrategywasintroducedintoscoutingbehaviorsandsummoningbehaviors.Anadaptivebeleagueringstrategywasproposedforbeleagueringbehaviorswhichmadethealgorithmhavearegulatoryrole.Withtheconstantevolutionofalgorithmthebeleagueredrangeofwolvesdecreasedconstantlyandtheexploitationabilityofalgorithmstrengthenedconstantly.Thustheconvergencerateofalgorithmwasenhanced.ThesimulationresultsofsixtypicalcomplexfunctionsofoptimizationproblemsshowthatcomparedtotheWolfColonysearchAlgorithmbasedonthestrategyoftheLeader（LWCA）theproposedmethodobtainshighersolvingaccuracyfasterconvergencespeedandisespeciallysuitableforfunctionoptimizationproblems.英文关键词Keywords：WolfPackAlgorithm（WPA）；interactivestrategy；functionoptimization；adaptive；searchstrategy0引言Liu等[1]仿生自然界狼群捕猎行为提出了狼群算法（WolfColonyAlgorithmWCA）该算法抽象出狼群搜索行为、围攻行为与狼群更新行为仿真实验证明了WCA算法与粒子群优化（ParticleSwarmOptimizationPSO）算法、遗传算法（GeneticAlgorithmGA）相比具有更高的求解精度、更快的收敛速度；并在此基础上将WCA算法应用于机器人路径规划等问题。吴虎胜等[2]在分析狼群的协作捕猎活动特点的基础上提出与WCA算法搜索策略不同的狼群算法（WolfPackAlgorithmWPA）该算法分析狼群捕食行为以及猎物分配的方式抽象出游走