|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于灰狼算法的改进研究显示文摘针对灰狼算法具有易陷于局部最优并且收敛速度不理想的缺点,提出基于改进收敛因子策略和引入动态权重策略以及两种策略混合改进的灰狼优化算法,并且用于求解函数优化问题。提出一种非线性收敛因子公式,能够动态地调整算法的全局搜索能力,引入的动态权重使算法在收敛过程中能够加快算法的收敛速度。通过15个基准测试函数验证改进后算法的全局搜索能力、局部搜索能力与收敛速度,实验结果表明,改进后的算法无论在搜索能力还是收敛速度上都强于标准灰狼算法。 | 郭振洲 刘然 拱长青 赵亮 | 2017 | 计算机应用研究2017，34，12： | 102 |
| 2 | 灰狼优化算法研究综述显示文摘灰狼优化(Grey Wolf Optimization,GWO)算法是一种新兴的群体智能优化算法,因简单高效而被成功应用于诸多领域。文章阐述了灰狼优化算法的搜索机制和实现过程,分析灰狼优化算法的特性,对目前GWO算法的相关改进及应用进行综述。重点对GWO算法的改进策略,包括种群初始化的改进、搜索机制的改进、参数的改进等进行了描述,对GWO算法在参数优化、复杂函数优化和组合优化等方面的应用进行了讨论。最后,对GWO算法的未来改进策略和实际应用进行了展望。 | 张晓凤 王秀英 | 2019 | 计算机科学2019，46，3： | 131 |
| 3 | 一种基于Tent映射的混合灰狼优化的改进算法显示文摘针对基本灰狼算法易陷入局部最优、未考虑个体自身经验等问题,本文提出一种基于Tent映射的混合灰狼优化算法(grey wolf optimization algorithm based on particle swarm optimization,简称PSO_GWO).首先,其通过Tent混沌映射产生初始种群,增加种群个体的多样性;其次,采用非线性控制参数,前期递减速度慢,能够增加全局搜索能力,避免算法陷入局部最优,后期收敛因子递减速度快,增加算法局部搜索能力,从而提高整体收敛速度;最后,引入粒子群算法的思想,将个体自身经历过最优值与种群最优值相结合来更新灰狼个体的位置信息,从而保留灰狼个体自身最佳位置信息.为验证该算法的有效性,本文借助9个标准测试函数来与其他三种算法进行对比.实验结果表明,本文提出的算法比其他三种算法在单峰函数和多峰函数上搜索到的最优解更加理想; PSO_GWO算法比IGWO算法(the improved grey wolf optimization algorithm)在计算时间复杂度方面效果较好;同时,随着种群规模增大,PSO_GWO算法收敛值逐渐接近理想值.因此,本文提出的PSO_GWO算法能更快搜索到全局最优解,且鲁棒性更好. | 滕志军 吕金玲 郭力文 许媛媛 | 2018 | 哈尔滨工业大学学报2018，50，11： | 68 |
| 4 | 协调探索和开发能力的改进灰狼优化算法显示文摘提出一种协调探索和开发能力的灰狼优化算法.利用佳点集方法初始化灰狼个体的位置,为全局搜索多样性奠定基础;为协调算法的全局探索和局部开发能力,给出一种基于正切三角函数描述的非线性动态变化控制参数;为加快算法的收敛速度,受粒子群优化算法个体记忆功能的启发,设计一种新的个体位置更新公式.10个标准函数的测试结果表明,改进灰狼优化(IGWO)算法能够有效地协调其对问题搜索空间的探索和开发能力. | 龙文 伍铁斌 | 2017 | 控制与决策2017，32，10： | 51 |
| 5 | 一种改进的灰狼优化算法显示文摘灰狼优化算法是最近提出的一种较有竞争力的优化技术.然而,它的位置更新方程存在开发能力强而探索能力弱的缺点.受差分进化和粒子群优化算法的启发,构建一个修改的个体位置更新方程以增强算法的探索能力;受粒子群优化算法的启发,提出一种控制参数a随机动态调整策略.此外,为了提高算法的全局收敛速度,用混沌初始化方法产生初始种群.采用18个高维测试函数进行仿真实验,结果表明:对于绝大多数情形,在相同最大适应度函数评价次数下,本文算法的性能明显优于标准灰狼优化算法. | 龙文 蔡绍洪 焦建军 伍铁斌 | 2019 | 电子学报2019，47，1： | 55 |
| 6 | 一种新型非线性收敛因子的灰狼优化算法显示文摘针对标准灰狼优化算法在求解复杂工程优化问题时存在求解精度不高和易陷入局部最优的缺点,提出一种新型灰狼优化算法用于求解无约束连续函数优化问题。该算法首先利用反向学习策略产生初始种群个体,为算法全局搜索奠定基础;受粒子群优化算法的启发,提出一种非线性递减收敛因子更新公式,其动态调整以平衡算法的全局搜索能力和局部搜索能力;为避免算法陷入局部最优,对当前最优灰狼个体进行变异操作。对10个测试函数进行仿真实验,结果表明,与标准灰狼优化算法相比,改进灰狼优化算法具有更好的求解精度和更快的收敛速度。 | 王敏 唐明珠 | 2016 | 计算机应用研究2016，33，12： | 44 |
| 7 | 基于Cat混沌与高斯变异的改进灰狼优化算法显示文摘针对基本灰狼优化算法在求解复杂问题时同样存在依赖初始种群、过早收敛、易陷入局部最优等缺点,提出一种改进的灰狼优化算法应用于求解函数优化问题中。该算法首先利用混沌Cat映射产生灰狼种群的初始位置,为算法全局搜索过程的种群多样性奠定基础;同时引入粒子群算法中的个体记忆功能以便增强算法的局部搜索能力和加快其收敛速度;最后采用高斯变异扰动和优胜劣汰选择规则对当前最优解进行变异操作以避免算法陷入局部最优。对13个基准测试函数进行仿真实验,结果表明,与基本GWO算法、PSO算法、GA算法以及ACO算法相比,该算法具有更好的求解精度和更快的收敛速度。 | 徐辰华 李成县 喻昕 黄清宝 | 2017 | 计算机工程与应用2017，53，4： | 33 |
| 8 | 具有自适应调整策略的混沌灰狼优化算法显示文摘灰狼优化算法(Grey Wolf Optimization,GWO)是新型启元优化算法,相比于其他群体智能优化算法,该算法同样存在收敛速度较慢、不稳定、易陷入局部最优等问题。针对上述问题,根据GWO算法的结构特点,提出了一种自适应调整策略的混沌灰狼优化算法(Chaotic Local Search GWO),利用自适应调整策略来提高GWO算法的收敛速度,通过混沌局部搜索策略增加种群的多样性,使搜索过程避免陷入局部最优。最后利用6个测试函数对算法进行仿真验证,并结合其他4种算法进行了横向比较。实验结果证明,所提出的改进算法在收敛速度、精度以及稳定性方面具有明显的优势。 | 张悦 孙惠香 魏政磊 韩博 | 2017 | 计算机科学2017，44，B11： | 21 |
| 9 | 基于狼群算法的RBF神经网络模拟电路故障诊断显示文摘提出了一种新的方法来进行模拟电路故障诊断。该方法包括Haar的小波分解,对数据的归一化处理,以及用狼群算法优化RBF神经网络。用Haar小波对所得的电路原始故障数据集进行变换,然后对变换后的数据进行归一化处理,最终得出RBF神经网络训练所需的输入数据。针对RBF神经网络中隐层节点中心、基函数宽度及权值选取困难问题,使用狼群算法来优化训练RBF神经网络,以提高网络训练稳定性与诊断成功率。通过两个电路的诊断实例,来论述这些方法的具体实现过程,验证用该方法进行模拟电路故障诊断的可行性。 | 颜学龙 丁鹏 马峻 | 2017 | 计算机工程与应用2017，53，19： | 18 |
| 10 | 一种结合灰狼优化和K-均值的混合聚类算法显示文摘针对传统K-均值聚类算法对初始中心选择敏感和全局搜索能力不足的缺点,提出一种结合灰狼优化和K-均值的混合聚类算法(GWO-KM).将灰狼优化智能算法首次应用到聚类分析领域,利用灰狼算法良好的勘探能力去寻找使聚类结果最佳的一组聚类中心,克服了原始聚类算法对初始中心点的过度依赖.通过在UCI标准数据集上的仿真实验表明,该混合聚类算法相对于传统的K-均值聚类算法和其他改进算法,在收敛速度、聚类质量和稳定性上都表现更佳. | 杨红光 刘建生 | 2015 | 江西理工大学学报2015，36，5： | 16 |
| 11 | 基于Iterative映射和单纯形法的改进灰狼优化算法显示文摘为了解决基本灰狼优化算法(GWO)依赖初始种群和求解精度不高的问题,提出一种基于Iterative映射和单纯形法的改进灰狼优化算法(SMIGWO)。该算法利用混沌Iterative映射产生初始灰狼种群,增强全局搜索过程中的种群多样性;采用逆不完全Γ函数更新收敛因子,以平衡算法的全局搜索和局部搜索能力;利用单纯形法的反射、扩张和收缩操作对当前较差个体进行改进,避免算法陷入局部最优。对10个测试函数进行仿真实验,数值结果表明,与基本GWO算法、Square GWO算法、非线性收敛因子的GWO(NGWO)算法、混合GWO(HGWO)算法、粒子群优化算法(PSO)、细菌觅食算法(BFA)和引力搜索算法(GSA)相比,改进的灰狼优化算法求解精度更高,稳定性更好。 | 王梦娜 王秋萍 王晓峰 | 2018 | 计算机应用2018，38，A02： | 14 |
| 12 | 基于SAGWO算法的UCAVs动态协同任务分配显示文摘通过分析无人作战飞机(UCAV)优势概率和任务联合威胁以及定义任务时间,建立了以目标价值毁伤、编队损耗代价和时间消耗为性能指标的多无人作战飞机(UCAVs)多约束动态任务分配数学模型,采用改进的灰狼优化(GWO)算法对数学模型进行求解;针对基本GWO算法求解早熟的缺点,给出了自适应调整策略和跳出局部最优策略,引入了二次曲线控制方法;对UCAVs动态协同任务分配特点,设计了目标任务序列编码方式,提出了基于自适应GWO(SAGWO)算法的UCAVs多目标动态任务分配方法。从静态与动态2种情况分别对该方法进行仿真验证;仿真结果表明,该方法是有效的,相比较于其他算法,其优化过程快速精准。 | 魏政磊 赵辉 黄汉桥 王骁飞 周瑞 | 2018 | 北京航空航天大学学报2018，44，8： | 13 |
| 13 | 用对数函数描述收敛因子的改进灰狼优化算法及其应用显示文摘针对灰狼优化(grey wolf optimization,GWO)算法在求解复杂高维优化问题时存在解精度低、易陷入局部最优等缺点,提出一种基于对数函数描述收敛因子的改进GWO算法。采用佳点集方法初始化种群以保证个体尽可能均匀地分布在搜索空间中;提出一种基于对数函数描述的非线性收敛因子替代线性递减收敛因子,以协调算法的勘探和开采能力;对当前最优的3个个体执行改进的精英反向学习策略产生精英反向个体,以避免算法出现早熟收敛。研究结果表明改进算法具有较好的寻优性能。 | 伍铁斌 桂卫华 阳春华 龙文 李勇刚 朱红求 | 2018 | 中南大学学报(自然科学版)2018，49，4： | 12 |
| 14 | 重选精英个体的非线性收敛灰狼优化算法显示文摘针对灰狼优化算法(GWO)存在的求解精度较低、后期收敛速度较慢、易陷入局部最优的缺点,提出一种改进灰狼优化算法(EGWO)。该算法引进两种改进策略:用以平衡算法全局搜索性和局部开发性的非线性收敛因子调整策略和用以降低陷入局部最优风险的精英个体重选策略。通过在9个基准测试函数上的实验与标准GWO算法,以及文献提出的5种改进灰狼算法和4种其他算法进行对比,从算法寻优的精确性和鲁棒性两个方面验证两种算法改进策略的有效性。实验结果表明,两种改进策略都能提升算法性能,综合使用两种策略的EGWO在收敛速度和求解精度都明显优于其他比较算法。 | 黎素涵 叶春明 | 2021 | 计算机工程与应用2021，57，1： | 12 |
| 15 | 混沌映射与精英高斯扰动的非线性灰狼优化算法显示文摘针对传统灰狼优化算法处理复杂优化问题时易于陷入局部最优,提出基于混沌Tent映射与精英高斯扰动的非线性灰狼优化算法。根据混沌Tent映射与对立学习机制,保证较优个体的同时,设计种群初始化方法,可使个体尽可能均匀分布;为有效均衡个体的局部开发和全局勘探能力,设计一种非线性收敛因子控制策略;在头狼选取上引入面向精英个体的高斯扰动机制进行位置更新,使算法跳出局部最优。若干基准函数优化求解的测试结果表明,该算法可以有效提升寻优精度和收敛速度。 | 蔡娟 | 2022 | 计算机工程与设计2022，43，1： | 12 |
| 16 | 基于粒子群算法的多约束3D NoC协同测试规划显示文摘为了提高三维片上网络(3D NoC)资源内核的测试效率,对多约束下的3D NoC进行测试规划。在硅通孔(TSV)数量、功耗以及带宽约束下,分别将TSV位置、IP核测试数据分配作为两个寻优变量,利用离散粒子群算法协同进化,以减少测试时间并提高TSV利用率。在算法中引入全局次优极值对粒子进行指导,提高全局搜索能力;并通过自适应参数调整策略增加种群多样性,从而改善粒子搜索的停滞现象。以国际标准测试集ITC'02中的电路作为仿真对象,仿真结果表明,算法能够有效地完成在多约束下对TSV位置的寻优并合理分配通信资源,缩短了测试时间,提高了TSV利用率。 | 许川佩 李克梅 | 2017 | 仪器仪表学报2017，38，3： | 12 |
| 17 | 基于改进灰狼优化支持向量回归的网络舆情预测显示文摘网络舆情发展趋势预测对政府相关部门的舆情监测与管控有非常重要的参考意义.针对网络舆情的小样本特性,同时考虑适用模型的时效性和准确度,本文提出一种基于佳点集方法初始化、非线性参数控制以及对引领狼赋权的改进灰狼优化支持向量回归(IGWO-SVR)的网络舆情预测模型,以'新冠肺炎'、'中国梦'等百度指数作为舆情数据样本进行了实证研究.对比实验结果显示,改进后的灰狼优化算法有较强的全局搜索能力、较快的收敛速度以及较好的稳定性.IGWOSVR网络舆情预测模型有较为突出的准确性与稳定性,能够为政府舆情管控部门提供较好的决策参考. | 林玲 陈福集 谢加良 李凤 | 2022 | 系统工程理论与实践2022，42，2： | 12 |
| 18 | 基于Tent混沌序列的灰狼优化算法显示文摘针对灰狼优化(GWO)算法在优化求解过程中存在的局部搜索能力差、易陷入局部最优等问题,提出了基于Tent混沌序列的局部搜索策略以及多样性维持策略.由此构建了基于Tent混沌序列的灰狼优化算法(TCGWO).所提出的策略分别用以提高算法的局部搜索能力、避免算法陷入局部最优.通过对23个测试函数的仿真计算,并与GWO以及FPA、ABC等进行综合对比,结果验证了TCGWO算法的有效性及优越性. | 张贾奎 崔利杰 郭庆 陈浩然 | 2018 | 微电子学与计算机2018，35，6： | 10 |
| 19 | 基于加速度频响函数小波分解的模型修正方法显示文摘为提高模型修正效率,满足修正方法对于实测环境噪声的鲁棒性,将Kriging模型和小波分解引入加速度频响函数模型修正。首先,将加速度频响函数进行小波分解,用得到的第1层幅值较大的小波系数来表征原频响函数。其次,采用拉丁超立方抽样对初选待修正参数进行设计,根据设计结果对各参数进行灵敏度分析,从而确定模型修正的待修正参数,以待修正参数作为Kriging模型输入,所对应的小波系数作为Kriging模型输出,通过混合灰狼算法寻得最优Kriging模型相关系数,建立精确有效的Kriging模型。最后,以目标加速度频响函数小波分解的小波系数与Kriging模型输出的小波系数差值最小为目标,通过水循环算法求解模型待修正参数。数值算例表明,所提模型修正方法具有良好的修正效果,即使在加速度频响函数中加入信噪比为5dB的高斯白噪声时,修正误差也低于4%,证明了该方法对于随机噪声的鲁棒性。 | 彭珍瑞 曹明明 刘满东 | 2020 | 航空学报2020，41，7： | 10 |
| 20 | 基于收敛因子非线性动态变化的灰狼优化算法显示文摘针对基本灰狼优化(grey wolf optimization,GWO)算法在解决高维数值优化问题时存在易陷入局部最优、收敛速度慢等缺点,提出一种基于收敛因子非线性动态变化的改进GWO(IGWO)算法。该算法首先利用混沌初始化生成初始种群,以提高初始灰狼个体的质量;然后,通过引入指数函数对GWO算法的收敛因子更新公式进行改进,在进化过程中,收敛因子的大小随迭代次数的增加非线性动态变化,以协调算法的探索能力和开发能力;最后,对当前最优灰狼个体执行混沌扰动,以避免算法出现早熟收敛。对9个典型的测试函数进行了测试,实验结果表明:与基本GWO算法相比,IGWO算法具有更好的寻优性能。 | 罗佳 唐斌 | 2016 | 中国科技论文2016，11，17： | 10 |
您所在的机构暂未开通此部分的功能，请联系管理员