强化最优和最差狼的郊狼优化算法及其二次指派问题应用

针对郊狼优化算法(COA)优化性能不足的问题,提出一种强化最优和最差狼的COA(BWCOA)方法.首先,对于组内最差郊狼的成长,在最优郊狼引导的基础上引入全局最优郊狼引导操作,以提高最差郊狼的社会适应能力(局部搜索能力);然后,在组内最优郊狼的成长过程中嵌入一种随机扰动操作,即以郊狼之间的随机扰动促进成长,发挥组内每个郊狼的能动性,提高种群的多样性进而强化全局搜索能力;最后,组内其他郊狼的成长方式保持不变.将BWCOA运用到复杂函数优化和以医院科室布局为例的二次指派问题(QAP)中.在CEC-2014复杂函数上的实验结果表明,与COA以及其他最先进的算法相比,BWCOA获得1.63的平均均值排名和Friedman检验中1.68的秩均值,均排名第一.另外,在6组QAP上的实验结果表明,BWCOA获得了5次均值最优的结果.实验结果均表明BWCOA具有更强的竞争性.