TY -的A2 -黄,塞缪尔AU -米塔尔,尼非盟-辛格Urvinder盟——Sohi Balwinder辛格PY - 2016 DA - 2016/05/04 TI -修改灰太狼优化器为全球工程优化SP - 7950348六世- 2016 AB -表面算法成为深受研究人员由于其简单性和灵活性。分析了自然启发的元启发式算法的主要特征，如多样性和适应性、探索和开发、吸引力和扩散机制。这些算法的成功和面临的挑战是基于它们的参数整定和参数控制。灰太狼优化算法(grey Wolf Optimizer, GWO)是一种基于灰太狼的社会等级和狩猎行为的较新的算法，是解决实际机械和光学工程问题的一种非常成功的算法。在原始的GWO中，一半的迭代用于探索，另一半迭代用于开发，忽略了两者之间的权利平衡的影响，以保证全局最优的精确逼近。为了克服这一缺点，提出了一种改进的GWO (mGWO)算法，该算法注重探索和开发之间的平衡，从而使算法的性能达到最优。基于基准问题和WSN聚类问题的仿真结果表明，相对于基本算法和一些知名算法，mGWO具有较高的有效性、效率和稳定性。SN - 1687-9724 UR - https://doi.org/10.1155/2016/7950348 DO - 10.1155/2016/7950348 JF -应用计算智能和软计算PB - Hindawi Publishing Corporation KW - ER -