改进灰狼优化算法提升约束优化问题求解性能

本文主要探讨了"求解约束优化问题的改进灰狼优化算法"，发表于2015年的《计算机应用》期刊，卷35，第9期，页码2590-2595。作者龙文、赵东泉和徐松全针对基本灰狼优化（GWO）算法在求解精度、收敛速度和局部搜索能力上的不足，提出了改进灰狼优化（IGWO）方法来解决这些问题。 GWO算法在处理约束优化问题时存在局限性，因此，研究人员引入非固定多段映射罚函数策略，通过这种方法将原本的约束优化问题转化为无约束优化形式。这种方法允许算法在满足约束条件下进行自由搜索，从而提高求解效率。IGWO算法首先利用佳点集理论生成初始种群，这有助于构建一个全局搜索的良好起点，确保算法能够从多个可能的解决方案中探索。 为了增强算法的局部搜索性能和加速收敛，作者采用了Powell局部搜索策略，针对当前最优的灰狼个体进行深入挖掘，寻找更优解。这种混合策略使得IGWO算法既能保持全局视野，又能有效应对局部最优瓶颈。 通过实验验证，使用几个标准的约束优化测试问题，结果显示改进的IGWO算法成功克服了基本GWO算法的缺陷，并且在性能上超越了差分进化和粒子群优化等经典算法。这对于实际工程问题的求解具有重要意义，尤其是在优化设计、工程决策等领域，能够提供更为精确和高效的解决方案。 本文的研究成果为优化算法的设计提供了新的思路，特别是在处理约束优化问题时，IGWO算法展现出强大的适应性和优化效果，对于提升计算效率和解决实际问题具有实用价值。