协同围攻策略改进的灰狼算法及其PID参数优化

针对灰狼优化算法(GWO)在求解优化问题时收敛速度慢和全局搜索能力弱的缺点,提出一种基于Chebyshev融合狼群协同围攻策略的改进GWO算法(CCA-GWO)并成功应用于PID参数优化。首先,通过对比三种混沌映射优缺点并最终将Chebyshev映射用于算法初始化中以增强初始解的多样性;其次,为平衡算法的全局勘探和局部开采能力,通过模拟灰狼群狩猎时头狼和次头狼的交替行为,提出一种新的非线性策略对控制参数A和C及位置更新方程进行修正;最后,将改进算法应用于PID参数优化。通过8组基准测试函数在10维、30维和100维下进行实验,并与BOA、MFO、ASO、MVO、WOA、GWO进行对比,数值实验结果表明,CCA-GWO不仅在求解不同维度的基准测试函数上具有更好的寻优性和稳定性,而且在PID参数优化中相较于6种元启发式算法表现出更好的优化性能。