改进搜索策略的狼群算法在函数优化中的高效应用

"基于改进搜索策略的狼群算法 (2015年)"，作者：李国亮、魏振华、徐蕾，发表于《计算机应用》2015年第6期，文章编号：1001-9081(2015)06-1633-04，doi:10.11772/j.issn.1001-9081.2015.06.1633 狼群算法（WPA）是一种受自然界狼群狩猎行为启发的优化算法，用于解决多模态优化问题。然而，原始的狼群算法存在一些缺陷，如收敛速度慢、容易陷入局部最优解和人工狼之间的交互性不足。针对这些问题，该研究提出了一个基于改进搜索策略的狼群算法（MWPA）。 在MWPA中，研究者对狼群的两种主要行为——游走行为和召唤行为进行了改进。游走行为是狼群在搜索空间中的随机移动，通过引入交互策略，使得狼群个体之间能共享信息，提高了狼群对全局信息的感知能力，增强了它们的探索效率。召唤行为则是在发现潜在猎物时狼群之间的协调合作，通过增加狼群间的交互，能够更好地引导狼群向全局最优解方向移动，避免过早地集中于局部最优。 此外，对于狼群的围攻行为，研究者采用了自适应围攻策略。这种策略允许算法根据搜索过程动态调整狼群的围攻范围。随着算法的迭代，狼群的围攻范围逐渐缩小，使得算法更专注于当前最优解附近的区域，从而提高收敛速度，并增强对最优解的挖掘能力。 为了验证MWPA的有效性，研究人员对比了它与基于领导者策略的狼群搜索（LWCA）算法在6个复杂函数优化问题上的性能。实验结果显示，MWPA不仅在求解精度上优于LWCA，而且在收敛速度上也表现出明显优势，证明了其在解决函数优化问题时的优越性。 关键词涉及狼群算法、交互策略、函数优化、自适应和搜索策略。这一工作对于理解和改进群智能算法，特别是狼群算法，提供了新的思路和方法，对于实际工程问题的优化具有重要的理论和实践价值。