基于Sin混沌反向学习与柯西变异灰狼优化算法研究

灰狼优化算法在收敛精度和局部寻优方面存在一定的缺点,本文提出了一种改进的灰狼优化算法。为了保证灰狼种群同时具有遍历性和随机性,该算法将Sin混沌与反向学习策略相结合对灰狼种群进行了初始化。为了提高全局最优搜索能力,将柯西变异用于更新灰狼种群,从而跳出局部最优的问题。同时,为了提高局部搜索能力和提高收敛精度,引入权值因子的方法进行改进。通过选取7个标准测试函数,验证改进灰狼优化算法的有效性。实验表明,与灰狼优化算法、鲸鱼优化算法和蜻蜓优化算法相比较,本文提出的改进的灰狼优化法性能具有一定的优势。