基于信息共享搜索策略的自适应灰狼算法研究

针对基础灰狼优化(GWO)算法种群多样性不足和易陷入局部最优的缺点,从混沌初始化和种群间信息共享两个角度,提出一种基于信息共享搜索策略的改进灰狼优化(ISIAGWO)算法。首先,使用Iterative混沌映射初始化种群保证种群的多样性,并引入自适应动态算子增加优秀个体权重;其次,使用信息共享搜索策略更新种群有效避免算法陷入局部最优;再次,对8种基准函数进行寻优测试并与其他先进群智能算法进行对比,实验结果表明,ISIAGWO算法在解的精度和鲁棒性上有显著提升;最后,将ISIAGWO算法应用于经典的旅行商问题进行求解,证实该算法的实用性。

基于混沌反向学习改进灰狼算法的移动网络调度运行信息共享方法

为了提高移动网络调度运行信息的效用程度,提出了基于混沌反向学习改进灰狼算法的移动网络调度运行信息共享方法。在研究信息内部网/省调隔离区(demilitarized zone,DMZ)、网/省调III区之间的信息共享结构的基础上,通过包含共享任务层、信息层以及用户层的三层调度网络模型实现信息共享,并确定信息效用最大化的信息调度优化目标函数,通过灰狼算法求解该目标函数,获取信息调度结果;为获取更佳的目标函数求解结果,创新性地引入混沌反向学习和信息共享搜索策略,优化灰狼算法的初始种群和交流能力,以此获取更佳的求解结果,实现信息最优共享。测试结果显示:该方法具有较好的应用性能,信息效用值均达到20以上,偏差率低于0.12、拟合优度高于0.92,能够完成不同传输模式下的信息共享,并且呈现共享信息详情。