基于混合变异灰狼优化算法的泊位-岸桥调度

摘要

为解决灰狼优化(grey wolf optimizer, GWO)算法收敛速度慢、易陷入局部最优等问题，提出一种基于混合变异的灰狼优化(hybrid mutation grey wolf optimizer, HMGWO)算法。采用Tent混沌映射策略初始化种群，融入自适应收敛因子策略平衡搜索多样性，引入高斯-柯西混合变异策略提高算法性能。利用6个基准测试函数进行仿真实验，从寻优能力与收敛性等方面对HMGWO算法进行综合分析。将HMGWO算法应用于离散泊位-岸桥调度问题，1 000次迭代实验后，HMGWO算法的船舶在港时间最短。

关键词

灰狼优化算法 / 混合变异 / 混沌映射 / 自适应收敛因子 / 泊位-岸桥调度

基金资助

国家自然科学基金资助项目(62373171); 全国高等院校计算机基础教育研究会教学研究项目(2023-AFCEC-307); 江苏省计算机学会教学类项目(JSCS2022028); 江苏省大学生创新创业项目(202211641027Z,202311641003Z)