超高次元複雑関数を解決するための混沌とした乱れの狼パックアルゴリズム

高次元関数の最適化は、科学と工学の両方で重要な問題です。狼パックアルゴリズムは、多変数関数のグローバルオプティマムを計算するためにしばしば使用される技術です。本論文では、高次元関数の最適値を正確に計算できる新しい狼パックアルゴリズムを開発しました。まず、初期解の質を向上させるために混沌とした対称初期化が設計されています。次に、探索プロセスに乱れの要素を追加して狼の探索能力を強化し、適応ステップ長が設計されて、狼が局所最適に陥るのを効果的に防ぐためのグローバル検索能力を強化します。提案されたアルゴリズムの性能をテストするために一連の標準テスト関数を選択し、テスト結果を他のアルゴリズムと比較します。高次元および超高次元関数（500および1000）がテストされます。実験結果は、提案されたアルゴリズムは良好なグローバル収束、高精度計算、強固なロバスト性、高次元関数における優れたパフォーマンスを特徴とすることを示しています。