文章 "种群优化算法：灰狼优化器（GWO）"

新评论
 

新文章 种群优化算法：灰狼优化器（GWO）已发布：

我们来研究一种最新的现代优化算法 — 灰狼优化。 测试函数的原始行为令该算法成为以前研究过的算法中最有趣的算法之一。 这是训练神经网络的顶级算法之一，具有许多变量的平滑函数。

包围

图例 3. 欧米茄相对阿尔法、贝塔和德尔塔的的运动图


GWO 算法的伪代码如下：

1) 随机初始化灰狼种群。
2) 计算种群每只个体成员的体质状况。
3) 狼群领导者:
-α = 具有最佳体质值的成员
-β = 第二等强大的成员（就体质值而言）
-δ = 第三等强大的成员（就体质值而言）
根据 α、β、δ 方程更新所有欧米茄狼的位置
4) 计算种群中每个成员的体质。
5) 重复步骤 3。

作者：Andrey Dik

 
会不会用穷人交易者的羊群方法进行优化？))
 
mytarmailS #:
会不会用穷人交易者的羊群方法进行优化？))
))恐怕算法会太嘈杂。
 

这些关于元启发式优化技术的 文章太棒了！安德烈，你的工作非常出色，你能与我们分享这么多经验，真是令人难以置信，谢谢你！

@METAQUOTES 请考虑在优化器中实现这些元启发式优化目标！

用户可以在 OnTester() 中轻松设置：

OptimizerSetEngine("ACO"); // 蚂蚁群优化
OptimizerSetEngine("COA")); // cuckoo 优化算法
OptimizerSetEngine("ABC")); // 人工蜂群
OptimizerSetEngine("GWO")); // 灰狼优化器
OptimizerSetEngine("PSO")); // 粒子群优化


来自巴西的谢意

新评论