基于改进灰狼优化算法的WSN覆盖优化

针对无线传感器网络（WSN）节点在随机部署时,存在分布不均匀的情况,从而导致覆盖率较低的问题,提出了一种改进的灰狼优化（GWO）算法.首先利用Tent混沌映射初始化种群,增加种群的多样性;其次利用改进的非线性收敛因子,平衡算法的全局搜索能力与局部搜索精度;最后将差分进化（DE）算法的变异、交叉的理念融入GWO算法,避免算法陷入局部最优,并提高算法的收敛速度.基本测试函数仿真结果验证了改进算法的有效性,随后将其应用于WSN覆盖优化问题,可以使节点的分布更加均匀,显著提高覆盖率,进而改善网络性能.     

基于自适应头狼的灰狼优化算法

灰狼优化算法一种模拟灰狼捕食行为的元启发式优化算法.由于灰狼算法在种群迭代更新中始终靠近最优解,所以易陷入局部最优.提出了一种基于自适应头狼的灰狼优化算法,并在个体迭代更新中选择合适的头狼个数进行个体更新,这使得算法能够平衡开发和勘探能力.通过对20个基准函数优化问题的仿真实验表明,改进后的算法与原始灰狼优化算法相比,其全局搜索能力有显著提高.     

基于非线性和遗传变异的灰狼优化算法

灰狼优化(grey wolf optimization,GWO)算法是模拟灰狼的种群活动而提出的群智能算法,该算法因其在高维度的求解精度较高而受到广泛关注,但是它与其他群智能算法一样存在收敛慢和易陷入局部最优的缺点。针对GWO算法所存在的问题,文章基于非线性控制因子和遗传算法中的变异思想,提出了一种改进的基于非线性控制因子和遗传变异的GWO算法(grey wolf optimization algorithm based on the nonlinear control factor and genetic variation,NGGWO),并提出一种基于余弦变换的非线性收敛因子,用于平衡算法的全局与局部搜索能力;同时,在算法中引入遗传变异策略,用于解决算法陷入局部时的停滞现象;通过一组基准测试函数,将NGGWO与GWO和其改进算法进行比较。实验结果表明,NGGWO基本优于GWO算法,相比于该文提出的3种改进GWO算法,NGGWO也具有性能上的优势。     

一种基于混合策略的灰狼优化算法

灰狼优化算法作为一种群体智能算法,不可避免地会产生陷入局部寻优和收敛速度慢的问题。本文提出一种混合的改进策略,把动态权重和动态种群的结合起来,在提高收敛速度的同时,产生较好的解。通过多组基准测试函数进行验证,实验结果表明在收敛速度和搜索能力方面都表现的更好。     

混沌时间序列的优化预测模型及算法研究

针对混沌时间序列难以预测和控制问题,提出了基于趋势的混沌预测模型,利用混沌系统的初值、参数敏感性来微调和控制系统扰动,并用改进的最优化方法估计模型的参数,在其相空间中对时序未来值进行预测.算例表明,选取最佳的模型阶数能增加预测的准确程度,它不仅克服了仅用延迟嵌入技术的弊端,也降低了直接使用预测误差决定输入模式的盲目性.预测效果比其他时序方法要好.     

基于灰狼算法的桥式吊车PID控制参数优化

针对桥式吊车在运行过程中存在的货物摆动幅度较大和反应迟钝不能快速到达指定位置等问题,提出一种利用灰狼算法优化PID控制参数的桥式吊车PID控制系统。通过建立桥式吊车动力学模型;并对其位置和角度实行双PID控制,设计出相应的Simulink模型;进而将优化得出的PID参数与经验值得到的PID参数带入Simulink模型中进行仿真。结果表明,经灰狼算法优化的PID控制器具有良好的控制效果,验证了控制系统的有效性。     

基于改进灰狼优化算法的无人机三维航迹规划

为了解决三维复杂环境下的无人机航迹规划问题,提出一种基于改进灰狼优化算法的无人机三维航迹规划方法.模拟真实的地理环境,建立三维地形模型和禁飞区模型,构造合理的评价函数.在改进算法中,设计一种基于贪婪思想和变异策略的初始化方法,提升了初始种群的平均适应度值;将一种非线性递减函数引入距离控制参数,解决了灰狼优化算法开发能力不足的问题;设计一种动态加权平均和静态平均混合的位置更新策略,解决了灰狼优化算法位置更新策略不灵活的问题.仿真结果表明:该算法相比于其他几种相关算法,航迹代价较小、收敛速度较快且效果更稳定.     

基于差分进化与优胜劣汰策略的灰狼优化算法

为了改善灰狼优化算法收敛速度慢、寻优精度低、易早熟等缺陷,提出1种改进的灰狼优化算法。在基本灰狼优化算法的基础上,引入差分进化机制生成1个变异种群,通过其动态缩放因子和交叉概率因子避免算法陷入局部最优。引入优胜劣汰的生物竞争淘汰策略,根据比较进化变异后狼群个体适应度值淘汰m只狼,同时随机生成与被淘汰狼数量相同的狼。采用典型的单峰与多峰函数对该文算法进行测试。仿真结果表明,该文算法的综合性能优于粒子群优化(PSO)和人工蜂群(ABC)等其他对比算法,提高了局部搜索的效率和精度。将该文算法应用于冷凝器实际控制参数整定优化问题中,并与遗传算法(GA)、PSO和工程整定(ZN)法进行比较。仿真结果表明,该文算法整定的参数输出响应的调整时间和上升时间减小,最大超调量降低且稳定性好。     

基于灰狼优化聚类算法的读者行为分析

通过分析国内外读者行为分析算法的优缺点,提出了一种基于灰狼优化聚类算法的读者行为分析算法.首先,通过灰狼优化算法自动寻优找到模糊C均值聚类算法的最佳初始聚类中心点,再对该初始聚类中心点进行迭代计算,得到最终聚类结果.读者借阅行为数据实验分析结果验证了灰狼优化聚类算法要优于普通的聚类算法.     

基于灰狼优化算法的神经网络PMSM混沌同步控制

对永磁同步电动机(Permanent Magnet Synchronous Motor,PMSM)的混沌同步控制进行研究,引入灰狼优化算法(Grey Wolf Optimizer,GWO)和它的几个变体算法,提出一种基于灰狼优化算法的RBF-GWO网络混沌同步控制器.在RBF-GWO网络控制器中,以RBF神经网络结构为基础,其隐层中心矩阵、高斯均方根宽度向量和权值矩阵的组合为灰狼的位置向量,选择输出平均平方误差的一半作为优化目标函数,以网络实际输出与期望输出之间的差值作为更新灰狼位置向量的依据,每次迭代的最优参数值均保存在α灰狼位置向量中,且向网络返回α灰狼位置向量,直至迭代结束条件满足.通过PMSM混沌同构同步控制与异构同步控制实验,验证了RBF-GWO网络有效性,给出的基于一种变体GWO算法(即WGWO)的RBF-GWO网络控制器具有相对更强的自适应能力.     

基于灰狼优化算法的孪生支持向量回归机

为了解决孪生支持向量回归机的参数寻优问题,提出了一种基于灰狼优化算法的孪生支持向量回归机。该算法将均方根误差和平均绝对误差作为灰狼优化算法的适应度函数,借助灰狼优化算法的全局寻优能力,以目标范围内生成狼群的位置代表不同的孪生支持向量回归机参数取值,通过有限次数迭代和灰狼优化算法的位置更新机制得到孪生支持向量回归机的最优参数。实验结果表明,该算法能够找到合适的参数;与现有算法相比,该算法的预测性能更佳,寻优时间显著缩短。     

基于灰狼优化算法的机器人羽流追踪方法

针对在室内扩散环境无法获得可靠的羽流流向/流速信息的情况下,解决寻源机器人源定位效率低、成功率低的问题,提出了一种基于灰狼优化算法的机器人羽流追踪方法.该方法以气体浓度值作为个体适应度,在不搭载羽流流速/流向传感器的情况下,通过寻源机器人模拟灰狼种群的社会机制与狩猎行为进行位置更新,使寻源机器人能高效地追踪羽流并定位源...     

一种基于差分进化和灰狼算法的混合优化算法

针对差分进化易陷入局部最优和灰狼算法易早熟停滞的缺点,提出了一种基于差分进化(DE)算法和灰狼(GWO)算法的混合优化算法(DEGWO)。该算法利用差分进化的变异、选择算子维持种群的多样性,然后引入灰狼算法与差分进化的交叉、选择算子进行全局搜索。在整个寻优过程中,反复迭代渐进收敛。选取此3个测试函数进行仿真验证,结果表明,混合优化算法相比于DE算法和GWO算法,其求解精度、收敛速度、搜索能力都有了显著提高。     

基于灰狼算法优化深度学习网络的网络流量预测

针对深度学习网络在网络流量预测建模过程中的参数优化难题,以改善网络流量预测结果为目标,提出一种基于改进灰狼算法优化深度学习网络的网络流量预测模型.首先,收集网络流量历史数据,并对数据进行相空间重构、归一化等预处理;其次,引入灰狼算法快速搜索到全局最优深度学习网络的相关参数,并根据最优参数对预处理后的网络流量历史数据进行...     

基于灰狼算法的多平台火力分配优化模型

为发挥多平台协同对海突击作战优势,综合考虑打击收益及打击代价两个重要影响因素,构建多平台火力分配数学模型,并且采用改进的灰狼优化算法研究解决多平台火力分配问题,结合实例进行验证。结果表明构建的火力分配模型紧贴作战实际,所采用的灰狼优化算法可以有效优选出最佳的火力分配方案,为指挥员指挥决策提供参考依据。     

采用混沌灰狼算法的植物油纸绝缘参数辨识

频域介电谱含有丰富的变压器绝缘老化信息,因此为了量化研究植物油纸绝缘老化与频域介电特征量的关系,提出了基于混沌灰狼算法的植物油纸绝缘分数Zener模型参数辨识的方法.建立以复介电常数实部、虚部误差平方和最小为目标函数,利用引入混沌序列的灰狼优化算法辨识分数Zener模型参数,并以老化28 d样品为例分别计算复介电常数实部、虚部与实测值的重合度,与原始灰狼算法和遗传算法相比,具有初始位置准确、收敛速度快等优点.实部重合度高达95%、虚部重合度高达99%,表明分数Zener模型能表征植物油纸老化过程.     

基于混沌优化算法的软硬件划分

针对软硬件协同设计中的关键问题——软硬件划分,提出一种基于混沌优化的划分算法．首先,使用有向无环图对嵌入式系统建模,得到软硬件划分优化系统的目标函数．然后,采用逻辑斯蒂映射产生混沌序列,并将此序列映射到划分系统的模型空间,利用混沌序列的遍历性,将粗搜索和细搜索相结合,分两阶段搜索模型空间目标函数的最优解,有效避免搜索过程陷入局部最小,并且使算法搜索时间大幅度降低．和模拟退火软硬件划分技术对比的实验结果表明,选取适当的算法参数,采用混沌优化算法能够以更快的搜索速度得到更好的软硬件划分结果．     

一种基于混沌的优化算法

将混沌变量与梯度法相结合,提出了一种基于混沌的优化算法,该算法具有搜索全局最优解的能力。     

新型灰狼优化算法在函数优化中的应用

针对灰狼优化算法在求解连续函数优化问题时精度不高、易出现早熟收敛等缺陷,提出一种改进的灰狼优化算法.该算法在初始种群个体时采用混沌序列方法,为算法全局搜索的多样性奠定基础.根据个体适应度值将种群分为两个子种群,分别执行不同的搜索方式,以平衡算法的开采能力和勘探能力.选取几个标准测试函数对算法性能进行测试,测试结果表明,与其他群智能优化算法相比,该算法在求解精度和收敛速度方面均具有较强的竞争力.