多策略融合改進(jìn)的金豺優(yōu)化算法及其在馬斯京根模型參數(shù)估計中的應(yīng)用

摘要： 針對金豺優(yōu)化算法在解決復(fù)雜或高維優(yōu)化問題時易陷入局部最優(yōu)、收斂速度慢和計算精度低等不足，提出一種基于多策略融合改進(jìn)的金豺優(yōu)化算法（Multi strategy fusion improved Golden Jackal Optimization Algorithm, MGJO）。首先，通過引入混沌映射策略初始化種群代替隨機(jī)參數(shù)，使得算法能夠在搜索空間中生成具有良好多樣性的初始解... （共7頁）