期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到119篇文章
< 1 2 … 6 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
Painted Wolf Optimization:A Novel Nature-Inspired Metaheuristic Algorithm for Real-World Optimization Problems 认领 引用
1
作者 Saeid Sheikhi 《Computers, Materials & Continua》 SCIE EI 2026年第5期243-271,共29页
Metaheuristic optimization algorithms continue to be essential for solving complex real-world problems,yet existingmethods often struggle with balancing exploration and exploitation across diverse problem landscapes.T... Metaheuristic optimization algorithms continue to be essential for solving complex real-world problems,yet existingmethods often struggle with balancing exploration and exploitation across diverse problem landscapes.This paper proposes a novel nature-inspired metaheuristic optimization algorithm named the Painted Wolf Optimization(PWO)algorithm.The main inspiration for the PWO algorithm is the group behavior and hunting strategy of painted wolves,also known as African wild dogs in the wild,particularly their unique consensus-based voting rally mechanism,a behavior fundamentally distinct fromthe social dynamics of grey wolves.In this innovative process,pack members explore different areas to find prey;then,they hold a pre-hunting voting rally based on the alpha member to determine who will begin the hunt and attack the prey.The efficiency of the proposed PWO algorithm is evaluated by a comparison study with other well-known optimization algorithms on 33 test functions,including the Congress on Evolutionary Computation(CEC)2017 suite and different real-world engineering design cases.Furthermore,the algorithm’s performance is further tested across a spectrum of optimization problems with extensive unknown search spaces.This includes its application within the field of cybersecurity,specifically in the context of training a machine learning-based intrusion detection system(ML-IDS),achieving an accuracy of 0.90 and an F-measure of 0.9290.Statistical analyses using the Wilcoxon signed-rank test(all p<0.05)indicate that the PWO algorithm outperforms existing state-of-the-art algorithms,providing superior solutions in diverse and unpredictable optimization landscapes.This demonstrates its potential as a robust method for tackling complex optimization problems in various fields.The source code for thePWOalgorithmis publicly available at http://gffzz188fe103f8f1460asu0pc5bcqvpbc696n.ffgz.tsg.suse.edu.cn/saeidsheikhi/Painted-Wolf-Optimization. 展开更多
关键词 Optimization painted wolf optimization algorithm metaheuristic algorithm nature-inspired computing swarm intelligence
暂未订购 下载PDF
Swarm-Based Extreme Learning Machine Models for Global Optimization 认领 引用
2
作者 Mustafa Abdul Salam Ahmad Taher Azar Rana Hussien 《Computers, Materials & Continua》 SCIE EI 2022年第3期6339-6363,共25页
Extreme Learning Machine(ELM)is popular in batch learning,sequential learning,and progressive learning,due to its speed,easy integration,and generalization ability.While,Traditional ELM cannot train massive data rapid... Extreme Learning Machine(ELM)is popular in batch learning,sequential learning,and progressive learning,due to its speed,easy integration,and generalization ability.While,Traditional ELM cannot train massive data rapidly and efficiently due to its memory residence,high time and space complexity.In ELM,the hidden layer typically necessitates a huge number of nodes.Furthermore,there is no certainty that the arrangement of weights and biases within the hidden layer is optimal.To solve this problem,the traditional ELM has been hybridized with swarm intelligence optimization techniques.This paper displays five proposed hybrid Algorithms“Salp Swarm Algorithm(SSA-ELM),Grasshopper Algorithm(GOA-ELM),Grey Wolf Algorithm(GWO-ELM),Whale optimizationAlgorithm(WOA-ELM)andMoth Flame Optimization(MFO-ELM)”.These five optimizers are hybridized with standard ELM methodology for resolving the tumor type classification using gene expression data.The proposed models applied to the predication of electricity loading data,that describes the energy use of a single residence over a fouryear period.In the hidden layer,Swarm algorithms are used to pick a smaller number of nodes to speed up the execution of ELM.The best weights and preferences were calculated by these algorithms for the hidden layer.Experimental results demonstrated that the proposed MFO-ELM achieved 98.13%accuracy and this is the highest model in accuracy in tumor type classification gene expression data.While in predication,the proposed GOA-ELM achieved 0.397which is least RMSE compared to the other models. 展开更多
关键词 Extreme learning machine salp swarm optimization algorithm grasshopper optimization algorithm grey wolf optimization algorithm moth flame optimization algorithm bio-inspired optimization classification model and whale optimization algorithm
暂未订购 下载PDF
Discrete Improved Grey Wolf Optimizer for Community Detection 认领 引用 被引量：2
3
作者 Mohammad H.Nadimi-Shahraki Ebrahim Moeini +1 位作者 Shokooh Taghian Seyedali Mirjalili 《Journal of Bionic Engineering》 SCIE EI CSCD 2023年第5期2331-2358,共28页
Detecting communities in real and complex networks is a highly contested topic in network analysis.Although many metaheuristic-based algorithms for community detection have been proposed,they still cannot effectively ... Detecting communities in real and complex networks is a highly contested topic in network analysis.Although many metaheuristic-based algorithms for community detection have been proposed,they still cannot effectively fulfill large-scale and real-world networks.Thus,this paper presents a new discrete version of the Improved Grey Wolf Optimizer(I-GWO)algorithm named DI-GWOCD for effectively detecting communities of different networks.In the proposed DI-GWOCD algorithm,I-GWO is first armed using a local search strategy to discover and improve nodes placed in improper communities and increase its ability to search for a better solution.Then a novel Binary Distance Vector(BDV)is introduced to calculate the wolves’distances and adapt I-GWO for solving the discrete community detection problem.The performance of the proposed DI-GWOCD was evaluated in terms of modularity,NMI,and the number of detected communities conducted by some well-known real-world network datasets.The experimental results were compared with the state-of-the-art algorithms and statistically analyzed using the Friedman and Wilcoxon tests.The comparison and the statistical analysis show that the proposed DI-GWOCD can detect the communities with higher quality than other comparative algorithms. 展开更多
关键词 Community detection Complex network Optimization Metaheuristic algorithms Swarm intelligence algorithms Grey wolf optimizer algorithm
多策略改进核搜索算法及其应用 认领 引用 被引量：1
4
作者 董如意 袁文康 《吉林大学学报（工学版）》 EI CAS CSCD 北大核心 2026年第5期1385-1398,共14页
针对核搜索算法(KSO)易陷入局部最优的不足,提出了一种多策略改进的核搜索算法(MSKSO)。首先,引入融合Tent混沌映射与量子计算的种群初始化策略,增强了种群的多样性和随机性;然后,提出了一种动态精英反向学习策略,进一步扩展种群的全局... 针对核搜索算法(KSO)易陷入局部最优的不足,提出了一种多策略改进的核搜索算法(MSKSO)。首先,引入融合Tent混沌映射与量子计算的种群初始化策略,增强了种群的多样性和随机性;然后,提出了一种动态精英反向学习策略,进一步扩展种群的全局搜索范围;最后,采用灰狼优化算法的搜索机制,增强了种群的局部寻优能力。通过使用CEC2017测试函数集,验证了MSKSO具有更优的寻优性能和鲁棒性,并将MSKSO应用于实际的经济排放调度问题中,进一步验证了该算法的有效性和鲁棒性。 展开更多
关键词 计算机应用 群智能优化 核搜索算法 混沌映射 量子计算 动态精英反向学习 灰狼算法 经济排放调度
基于径向基神经网络的电磁继电器故障诊断 认领 引用
5
作者 乔维德 袁桂芳 《安徽电气工程职业技术学院学报》 2026年第2期117-125,共9页
为快速有效诊断电磁继电器故障,文章建立基于狼群-粒子群算法及改进BP算法的径向基神经网络故障诊断模型,检测采集电磁继电器故障信号并归一化处理后输入径向基神经网络,采取狼群-粒子群算法优化径向基神经网络的初始结构参数,利用改进B... 为快速有效诊断电磁继电器故障,文章建立基于狼群-粒子群算法及改进BP算法的径向基神经网络故障诊断模型,检测采集电磁继电器故障信号并归一化处理后输入径向基神经网络,采取狼群-粒子群算法优化径向基神经网络的初始结构参数,利用改进BP算法训练径向基神经网络。MATLAB仿真训练及测试结果表明,该径向基神经网络模型网络训练时间为10.25 s、训练误差为0.045,测试诊断的均方误差为0.068、精度为90.5%,故障诊断速度快、准确度好、精度高,在电磁继电器故障诊断技术和继电保护系统中具有可期的应用前景。 展开更多
关键词 电磁继电器故障 归一化 狼群-粒子群算法 改进BP算法
暂未订购 下载PDF
新型群智优化算法的研究 认领 引用
6
作者 朱强军 胡斌 《西安文理学院学报（自然科学版）》 2026年第2期35-48,75,共14页
为了更好地利用群智能优化算法,选取了新型群智能优化算法:灰狼优化算法,哈里斯鹰优化算法,麻雀搜索算法,非洲秃鹫优化算法,人工大猩猩部队优化算法,沙猫群优化算法进行了分析,通过3类22种测试函数进行测试,采用最优值、最差值、平均值... 为了更好地利用群智能优化算法,选取了新型群智能优化算法:灰狼优化算法,哈里斯鹰优化算法,麻雀搜索算法,非洲秃鹫优化算法,人工大猩猩部队优化算法,沙猫群优化算法进行了分析,通过3类22种测试函数进行测试,采用最优值、最差值、平均值、标准差、收敛时间、收敛曲线等指标来综合分析优化算法性能以及优缺点.麻雀搜索算法求解精度最高且时间代价小,局部和全局搜索能力强,综合表现最优秀;非洲秃鹫优化算法和灰狼优化算法的时间代价综合表现最优,沙猫群优化算法和人工大猩猩部队优化算法都是求解精度高,时间代价大,导致综合表现不佳.总结了群智优化算法的特点并探讨了其今后发展前景,为后续研究新型的优化算法提供帮助. 展开更多
关键词 灰狼优化算法 哈里斯鹰优化算法 麻雀搜索算法 非洲秃鹫优化算法 人工大猩猩部队优化算法 沙猫群优化算法
暂未订购 下载PDF
基于PSO-GWO混合算法的电力系统经济调度优化 认领 引用
7
作者 张平凤 聂方彦 《计算机时代》 2026年第2期40-46,共7页
群智能优化算法是求解电力系统经济调度问题的一种有效方法。然而传统算法具有难以兼顾收敛速度与全局搜索能力的局限。为此,基于粒子群优化与灰狼优化算法,本文提出一种融合两者优点的混合算法,即PGWO算法。在新算法中,通过引入非线性... 群智能优化算法是求解电力系统经济调度问题的一种有效方法。然而传统算法具有难以兼顾收敛速度与全局搜索能力的局限。为此,基于粒子群优化与灰狼优化算法,本文提出一种融合两者优点的混合算法,即PGWO算法。在新算法中,通过引入非线性惯性权重、动态社会影响系数及多样性保持机制,促使PGWO在全局探索与局部开发之间取得动态平衡。在求解电力系统经济调度优化问题时,本文应用PGWO算法并结合二次惩罚函数处理功率平衡及出力约束,提升解的可行性。基于六机组测试系统的仿真实验中,实验结果表明,本文提出的PGWO算法在确保约束满足的前提下,能获得更低的总发电成本与更优的收敛稳定性,可为复杂电力系统经济调度问题提供有效的求解方案。 展开更多
关键词 电力系统 经济调度 群智能优化算法 粒子群优化 灰狼优化
暂未订购 下载PDF
Three Dimensional Optimum Node Localization in Dynamic Wireless Sensor Networks 认领 引用 被引量：1
8
作者 Gagandeep Singh Walia Parulpreet Singh +5 位作者 Manwinder Singh Mohamed Abouhawwash Hyung Ju Park Byeong-Gwon Kang Shubham Mahajan Amit Kant Pandit 《Computers, Materials & Continua》 SCIE EI 2022年第1期305-321,共17页
Location information plays an important role in most of the applications in Wireless Sensor Network(WSN).Recently,many localization techniques have been proposed,while most of these deals with two Dimensional applicat... Location information plays an important role in most of the applications in Wireless Sensor Network(WSN).Recently,many localization techniques have been proposed,while most of these deals with two Dimensional applications.Whereas,in Three Dimensional applications the task is complex and there are large variations in the altitude levels.In these 3D environments,the sensors are placed in mountains for tracking and deployed in air for monitoring pollution level.For such applications,2D localization models are not reliable.Due to this,the design of 3D localization systems in WSNs faces new challenges.In this paper,in order to find unknown nodes in Three-Dimensional environment,only single anchor node is used.In the simulation-based environment,the nodes with unknown locations are moving at middle&lower layers whereas the top layer is equipped with single anchor node.A novel soft computing technique namely Adaptive Plant Propagation Algorithm(APPA)is introduced to obtain the optimized locations of these mobile nodes.Thesemobile target nodes are heterogeneous and deployed in an anisotropic environment having an Irregularity(Degree of Irregularity(DOI))value set to 0.01.The simulation results present that proposed APPAalgorithm outperforms as tested among other meta-heuristic optimization techniques in terms of localization error,computational time,and the located sensor nodes. 展开更多
关键词 Wireless sensor networks localization particle swarm optimization h-best particle swarm optimization biogeography-based optimization grey wolf optimizer firefly algorithm adaptive plant propagation algorithm
暂未订购 下载PDF
灰狼优化算法研究综述 认领 引用 被引量：15
9
作者 蒋正锋 李春青 +4 位作者 杨秀增 李熙春 柳雪飞 莫洁安 韩凌波 《计算机工程与应用》 EI CSCD 北大核心 2025年第16期76-105,共30页
灰狼优化算法凭借快速的收敛速度、简洁的参数设置以及易于实现的特性,在众多优化问题中得到了广泛关注和应用。为了跟踪最新研究成果,促进灰狼优化算法的研究,介绍了灰狼优化算法的基本原理与数学模型,简述了算法的实现步骤,并分析了... 灰狼优化算法凭借快速的收敛速度、简洁的参数设置以及易于实现的特性,在众多优化问题中得到了广泛关注和应用。为了跟踪最新研究成果,促进灰狼优化算法的研究,介绍了灰狼优化算法的基本原理与数学模型,简述了算法的实现步骤,并分析了算法的时间复杂度;针对算法收敛速度慢、收敛精度低等缺点,分类阐述了算法的各种改进策略,同时归纳总结了灰狼优化算法在特征选择、调度问题、参数优化、图像分割、路径规划和参数辨识等领域的应用;对灰狼优化算法未来的研究发展方向进行了展望。 展开更多
关键词 元启发式算法 群体智能优化 灰狼优化算法(GWO) 改进策略
暂未订购 下载PDF
无人机路径规划:一种粒子群和灰狼复合算法 认领 引用 被引量：13
10
作者 智瀚宇 贾新春 张学立 《控制工程》 CSCD 北大核心 2025年第4期720-727,共8页
针对无人机在复杂环境下的三维路径规划问题,集成传统的粒子群优化(particle swarm optimization,PSO)算法和灰狼优化(grey wolf optimization,GWO)算法,提出了一种PSO-GWO复合算法。首先,采用了非线性控制参数和加权自适应的个体位置... 针对无人机在复杂环境下的三维路径规划问题,集成传统的粒子群优化(particle swarm optimization,PSO)算法和灰狼优化(grey wolf optimization,GWO)算法,提出了一种PSO-GWO复合算法。首先,采用了非线性控制参数和加权自适应的个体位置更新策略来平衡算法的全局搜索能力和局部搜索能力;然后,使用随机指导策略来增加解的多样性;最后,使用B样条曲线平滑所生成的飞行路径,使路径更适用于无人机。实验结果表明,PSO-GWO复合算法可以生成一条安全可行的路径,其性能明显优于GWO算法和其他改进GWO算法。 展开更多
关键词 三维路径规划 粒子群优化算法 灰狼优化算法 B样条曲线
暂未订购 下载PDF
基于多策略改进灰狼算法的无人机路径规划 认领 引用 被引量：18
11
作者 宋宇 高岗 +1 位作者 梁超 徐军生 《电子测量技术》 北大核心 2025年第1期84-91,共8页
针对传统的灰狼算法在三维路径规划中容易陷入局部最优等问题,本文提出了一种改进的灰狼算法。首先,对三维威胁区域进行环境建模,对约束条件规定无人机飞行的总成本函数;其次,在灰狼种群初始化中加入了混沌序列和准反向学习策略,增加了... 针对传统的灰狼算法在三维路径规划中容易陷入局部最优等问题,本文提出了一种改进的灰狼算法。首先,对三维威胁区域进行环境建模,对约束条件规定无人机飞行的总成本函数;其次,在灰狼种群初始化中加入了混沌序列和准反向学习策略,增加了群种多样性以及未知领域的搜索范围,通过对自适应权重因子的改进来更新个体位置,从而加快收敛速度;最后,为了避免陷入局部最优,引入了粒子群算法从而平衡全局开发与局部收敛。通过实验结果表明,相较于另外3种典型路径规划算法,改进灰狼算法可以寻找出一条安全可行的路径,并且有着较稳定的寻优能力。 展开更多
关键词 无人机 三维路径规划 混沌序列 准反向学习 灰狼算法 粒子群算法
暂未订购 下载PDF
基于改进灰狼算法求解武器目标分配问题 认领 引用 被引量：3
12
作者 陈阳 李姜 +2 位作者 王烨 高远 郭立红 《兵器装备工程学报》 CAS CSCD 北大核心 2025年第6期227-233,共7页
针对群智能优化算法求解武器目标分配问题搜索效率低的现状,提出了一种改进的灰狼优化算法。不同于传统的灰狼优化算法,该研究创新性地借鉴了遗传算法的思想,在灰狼优化过程中引入了交叉算子,这一改进不仅增加了种群内部的信息共享机会... 针对群智能优化算法求解武器目标分配问题搜索效率低的现状,提出了一种改进的灰狼优化算法。不同于传统的灰狼优化算法,该研究创新性地借鉴了遗传算法的思想,在灰狼优化过程中引入了交叉算子,这一改进不仅增加了种群内部的信息共享机会,还有效提升了算法的全局探索能力,使得算法能够在更大范围内寻找最优解,避免陷入局部最优的问题。仿真结果表明,在目标数量与武器数量均为20的测试组中,改进后的灰狼优化算法相较于标准的粒子群优化算法(PSO)和传统的灰狼优化算法(GWO),取得了更为优异的成绩,改进算法的适应度中位数相对于PSO和GWO分别下降了11.57%和6.37%。改进灰狼优化算法显著提升了GWO算法的全局寻优能力,且能够有效解决WTA问题。 展开更多
关键词 武器目标分配问题 群智能优化 灰狼优化算法 粒子群算法 进化计算
暂未订购 下载PDF
基于改进灰狼算法优化BP神经网络的RSS指纹定位 认领 引用 被引量：3
13
作者 刘伟 李艾龙 +1 位作者 李卓 王智豪 《电子测量技术》 北大核心 2025年第14期162-175,共14页
室内定位技术,特别是基于接收信号强度(RSSI)的指纹定位方法,因其成本低廉、设备支持广泛、易于部署、计算开销小等特点,受到了广泛关注。为了增强RSSI与实际物理距离之间的映射关系并提高测距精度,本文提出了一种基于改进灰狼优化(IGWO... 室内定位技术,特别是基于接收信号强度(RSSI)的指纹定位方法,因其成本低廉、设备支持广泛、易于部署、计算开销小等特点,受到了广泛关注。为了增强RSSI与实际物理距离之间的映射关系并提高测距精度,本文提出了一种基于改进灰狼优化(IGWO)算法与反向传播神经网络(BPNN)结合的RSSI测距算法。与遗传算法(GA)、粒子群算法(PSO)和经典灰狼优化算法(GWO)相比,改进的GWO算法在定位精度和全局搜索能力方面具有显著优势。通过实验,本文提出的IGWO算法在均方根误差RMSE上相比GWO算法、GA算法、PSO算法分别减少了21.3%、15.7%、14.6%,IGWO算法表现出了较好的定位性能,在精度和性能上均优于传统方法。 展开更多
关键词 室内定位 RSSI测距 BP神经网络 灰狼算法 粒子群算法
暂未订购 下载PDF
基于粒子群和灰狼复合算法的层状复合材料损伤定量检测 认领 引用
14
作者 田淑侠 许林峰 +3 位作者 马江东 陈振茂 娄旭耀 李广棵 《机械强度》 CAS CSCD 北大核心 2025年第12期98-106,共9页
针对层状复合材料损伤的定性定量检测问题,集成传统粒子群优化(Particle Swarm Optimization,PSO)算法和灰狼优化(Grey Wolf Optimization,GWO)算法,提出一种新的PSO-GWO复合算法。以模态柔度矩阵、频率和振型这3个识别精度较好的指标... 针对层状复合材料损伤的定性定量检测问题,集成传统粒子群优化(Particle Swarm Optimization,PSO)算法和灰狼优化(Grey Wolf Optimization,GWO)算法,提出一种新的PSO-GWO复合算法。以模态柔度矩阵、频率和振型这3个识别精度较好的指标来构造新的目标函数用于求解损伤检测问题。针对2种传统优化算法的特点,采用非线性收敛因子,以平衡算法的局部搜索能力和全局搜索能力;加入自适应局部搜索策略来增加算法迭代过程的多样性;引入灰狼算法的多级引导迭代策略,结合粒子群的速度更新策略,以弥补算法易陷入局部最优的缺陷。对3种不同损伤类型层合板的检测结果表明,PSO-GWO复合算法在检测精度与收敛速度方面均有优势,可以实现对损伤位置与损伤程度的精准识别。 展开更多
关键词 损伤检测 复合材料 粒子群优化算法 灰狼优化算法 模态参数
暂未订购 下载PDF
移动机器人路径规划智能搜索策略研究 认领 引用
15
作者 李晓刚 施权浩 王昕煜 《牡丹江大学学报》 2025年第4期103-108,共6页
针对传统路径规划算法鲁棒性较差、易陷入局部最优解及搜索范围冗余等问题,基于启发型智能搜索算法,结合移动机器人特点与工作环境,研究移动机器人路径规划智能搜索策略,分别采用遗传算法、粒子群算法和灰狼算法进行移动机器人全局路径... 针对传统路径规划算法鲁棒性较差、易陷入局部最优解及搜索范围冗余等问题,基于启发型智能搜索算法,结合移动机器人特点与工作环境,研究移动机器人路径规划智能搜索策略,分别采用遗传算法、粒子群算法和灰狼算法进行移动机器人全局路径规划,并基于仿真实验比对了三种智能搜索策略的路径规划效果。结果表明,粒子群算法收敛速度最快,但易陷入局部最优解;灰狼算法与遗传算法规划路径分别比粒子群算法缩短11.26%、9.15%,二者搜索能力较强,最终路径长度接近,但遗传算法的收敛速度较慢,迭代次数也比灰狼算法要多。 展开更多
关键词 移动机器人 粒子群算法 路径规划 灰狼算法 遗传算法
暂未订购 下载PDF
基于灰狼优化算法和组合核函数GPR模型的锂电池剩余使用寿命预测 认领 引用
16
作者 胡林静 李在伟 《综合智慧能源》 2025年第12期25-33,共9页
准确地预测锂离子电池剩余使用寿命(RUL)可以帮助用户制定合理的维护策略。高斯过程回归(GPR)算法作为一种数据驱动方法能够很好地捕捉特征和变量之间的非线性关系,被广泛应用于锂电池RUL估计。传统的单核GPR对特征捕捉能力不足,为此提... 准确地预测锂离子电池剩余使用寿命(RUL)可以帮助用户制定合理的维护策略。高斯过程回归(GPR)算法作为一种数据驱动方法能够很好地捕捉特征和变量之间的非线性关系,被广泛应用于锂电池RUL估计。传统的单核GPR对特征捕捉能力不足,为此提出一种基于灰狼优化算法(GWO)的组合核GPR模型。通过组合核函数来增强模型对非线性特征的捕捉能力,同时利用GWO解决组合核函数超参数优化中的困难。采用美国国家航空航天局(NASA)锂电池循环老化数据集进行对该模型进行验证,并将其与基于粒子群优化(PSO)的单核GPR模型进行对比。试验结果显示:GWO优化的组合核GPR模型较PSO优化的单核GPR模型的均方根误差(RMSE)下降了37.89%,平均绝对误差(MAE)下降了70.42%,对容量衰减的捕捉能力更强。结果表明相比于传统GPR模型,灰狼优化的组合核GPR模型对锂电池RUL预测的准确性更高。 展开更多
关键词 锂离子电池 剩余使用寿命 高斯过程回归 灰狼优化算法 电池老化 容量衰减 预测误差 粒子群优化算法
暂未订购 下载PDF
基于灰狼-粒子群算法的有源配电网故障定位 认领 引用 被引量：10
17
作者 熊芮 赵林军 张宇航 《电力系统及其自动化学报》 CSCD 北大核心 2025年第5期141-148,158,共8页
针对在有源配电网故障定位求解中所用的粒子群优化算法易陷入局部最优与收敛速度慢的问题,提出基于灰狼算法的多等级种群制度研究灰狼-粒子群有源配电网故障定位算法。该算法利用灰狼算法等级制度取代粒子群优化算法的最优个体,多等级... 针对在有源配电网故障定位求解中所用的粒子群优化算法易陷入局部最优与收敛速度慢的问题,提出基于灰狼算法的多等级种群制度研究灰狼-粒子群有源配电网故障定位算法。该算法利用灰狼算法等级制度取代粒子群优化算法的最优个体,多等级种群引导使得改进后的粒子群优化算法不易陷入局部最优;同时,结合灰狼群算法的等级收敛因子,调整粒子群优化算法不同迭代期全局寻优与局部精确寻优的分配,提升算法收敛速度。参照IEEE 33节点配电网模型,给出灰狼-粒子群有源配电网故障定位算法的数值分析,结果表明,灰狼-粒子群算法在收敛速度与定位准确性等方面具有优势。 展开更多
关键词 有源配电网 故障定位 粒子群优化算法 灰狼优化算法 等级制度
暂未订购 下载PDF
灰狼粒子群混合算法在群控电梯中的应用 认领 引用 被引量：5
18
作者 马涛 佘世刚 《计算机工程》 CAS CSCD 北大核心 2025年第9期373-378,共6页
针对电梯群控系统(EGCS)中用户乘梯体验与系统能耗不理想的问题,提出一种基于改进粒子群的电梯群控多目标优化调度算法。首先,针对系统控制目标的复杂性,建立以乘客候梯时间、乘梯时间、长时候梯和系统能耗为指标的多目标优化模型,通过... 针对电梯群控系统(EGCS)中用户乘梯体验与系统能耗不理想的问题,提出一种基于改进粒子群的电梯群控多目标优化调度算法。首先,针对系统控制目标的复杂性,建立以乘客候梯时间、乘梯时间、长时候梯和系统能耗为指标的多目标优化模型,通过线性加权求和的方法设计系统综合评价函数,改变权重值以适应不同的交通模式。其次,引入灰狼优化(GWO)算法以解决粒子群优化(PSO)算法易陷入局部最优解的问题,将灰狼-粒子群混合优化算法应用到多目标调度系统中。仿真结果表明,该混合算法能够有效地减少用户的平均乘、候梯时长和电梯启停次数,提升了电梯群控系统的综合性能。 展开更多
关键词 群控电梯 多目标优化 软件仿真 灰狼优化算法 粒子群优化算法
暂未订购 下载PDF
多模型融合优化策略下南阳市PM2.5预测模型研究 认领 引用
19
作者 江凤月 赵晨希 +2 位作者 张印彤 申圳 王玥 《计算机应用文摘》 2025年第19期121-125,129,共5页
单一的传统时间序列模型在预测污染物浓度(如PM2.5)时,往往存在精度不足、预测周期较短及泛化能力偏弱等问题。为此,引入多模型融合的思想,结合2类传统模型——RBF模型与ConvLSTM模型,并采用2种优化策略加以改进:首先,利用灰狼群算法(G... 单一的传统时间序列模型在预测污染物浓度(如PM2.5)时,往往存在精度不足、预测周期较短及泛化能力偏弱等问题。为此,引入多模型融合的思想,结合2类传统模型——RBF模型与ConvLSTM模型,并采用2种优化策略加以改进:首先,利用灰狼群算法(GWO)对RBF模型的中心参数和权值进行优化;其次,采用滑动窗口方法(window_size)构建数据集,并通过seed_values优化均方误差(MSE),同时利用AdaBoost提升ConvLSTM模型的趋势预测能力。在此基础上,将优化后的模型与SARIMA模型进行加权融合,构建出SARIMA-RBF-GWO-ConvLSTM-AdaBoost融合模型。以南阳市多种污染物数据为实验对象,经过不同模型的训练与测试发现,该融合模型在PM2.5时间序列预测中表现优异,其MSE为8.60,MAE为2.09,RMSE为3.05,R²达到0.97。与SARIMA-RBF-GWO模型相比,MSE降低了5.07,MAE降低了0.88,RMSE降低了0.64,R²提高了41%。实验结果表明,该融合模型在PM2.5浓度预测方面显著优于单一或部分融合模型,具有更高的精度和稳定性。 展开更多
关键词 RBF ConvLSTM 灰狼群算法 AdaBoost优化 SARIMA
暂未订购 下载PDF
基于改进PSO-GWO算法的渠系优化配水模型研究 认领 引用 被引量：5
20
作者 姚成宝 岳春芳 +1 位作者 张胜江 郑秋丽 《人民黄河》 CAS 北大核心 2025年第1期128-133,共6页
为减少渠系输配水过程中的水量损失,针对闸门调控时间各异和频繁启闭的问题,以精河灌区茫乡团结支渠支斗两级渠系渗漏损失量最小为目标建立渠系配水模型,首次采用“组间轮灌,组内续灌”的配水方式,通过改进PSO-GWO算法求解,确定斗渠最... 为减少渠系输配水过程中的水量损失,针对闸门调控时间各异和频繁启闭的问题,以精河灌区茫乡团结支渠支斗两级渠系渗漏损失量最小为目标建立渠系配水模型,首次采用“组间轮灌,组内续灌”的配水方式,通过改进PSO-GWO算法求解,确定斗渠最优轮灌编组、配水流量和灌水时间等重要参数,得出渠系渗漏损失量和算法迭代次数,并与粒子群算法、灰狼算法的求解结果进行对比。改进模型使灌水时间缩短了0.62 d,支斗两级渠系水利用系数提高了0.168,改进PSO-GWO算法迭代次数为3次、渠系渗漏总量为16.69万m3,优于传统算法的配水结果。实例应用情况表明,改进算法具有更强的寻优能力和收敛性,并且模型在满足高效配水的同时,减少了闸门启闭次数,实现了集中调控,配水模式便捷,应用价值较高。 展开更多
关键词 渠系配水 渗漏损失 轮灌编组 改进PSO-GWO算法 粒子群算法 灰狼算法
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 6 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈