摘要
灰狼优化算法(Grey Wolf Optimizer,GWO)是一种仿生灰狼捕食行为的元启发式算法。在组合问题优化上,与粒子群算法、引力搜索算法、微分进化等算法相比,该算法上具有较好的效果。在此基础上,通过引入转换函数,提出一种解决离散空间组合优化问题的二进制灰狼优化算法。具体通过16个测试函数的优化效果与二进制粒子群(Binary Particle Swarm Optimization,BPSO)、二进制模拟退火算法(Binary Simulated Annealing,BSA)相比较。实验证明,对于大部分测试函数二进制灰狼优化算法的优化效果更好。
