【摘要】：灰狼優(yōu)化算法是2014年提出的一種比較新穎的群智能優(yōu)化算法,它的靈感來源于灰狼種群的等級制度和捕食行為,該算法具有結構簡單、需要設置的參數(shù)少和在實驗編碼中容易實現(xiàn)等優(yōu)點,目前,已在許多領域得到了廣泛應用。然而,灰狼優(yōu)化算法存在求解精度不高和收斂速度較慢等不足。本文重點研究GWO算法的改進及其應用范圍的拓寬,主要工作是提出了SMIGWO、IGWO、CGWO三種改進算法,并對Muskingum、Richards、GM(1,1)三種模型的參數(shù)進行了估計,具體如下:(1)提出基于單純形法的改進灰狼優(yōu)化算法(SMIGWO)針對GWO算法依賴初始種群的不足,產生初始種群時用混沌Iterative序列代替了隨機方式,使得灰狼位置分布更加均勻;更新收斂因子時引入逆不完全r函數(shù),使得算法在全局搜索和局部搜索方面達到了平衡;將單純形法的四種算子用來處理位置較差的灰狼,降低算法陷入局部的可能性。將三種策略改進的算法稱為SMIGWO算法,通過在10個測試函數(shù)上的數(shù)據(jù)實驗對比表明,與基本GWO、SquareGWO、NGWO、HGWO、PSO和BFA算法相比,SMIGWO算法的求解精度有一定的提高,并且收斂速度也更快。(2)提出基于IGWO算法的Muskingum模型參數(shù)估計為了提高Muskingum模型在河道洪水演算過程中的求解精度,提出基于IGWO算法的Muskingum模型參數(shù)估計新方法,并將其應用于南運河稱溝灣至臨清段洪水演算。實驗結果表明,IGWO算法可以有效地估算出Muskingum模型中的參數(shù),且與現(xiàn)有的其它方法相比,該算法計算精度更高,具有更好的優(yōu)化性能。(3)提出基于CGWO算法的Richards模型參數(shù)估計基于灰狼優(yōu)化算法不足的分析,提出了CGWO算法,該算法采用基于余弦規(guī)律變化的收斂因子,同時引入基于步長歐氏距離的比例權重更新灰狼位置。數(shù)據(jù)仿真結果表明CGWO算法具有更好的優(yōu)化性能,其計算精度更高。最后以預測谷氨酸菌體生長濃度為例,利用CGWO算法估計Richards模型的參數(shù),以均方根誤差和平均絕對誤差作為評價指標,與PSO算法、GA算法和VS-FOA算法的結果進行比較,CGWO算法可以有效地估計Richards模型中的參數(shù)。(4)基于GWO算法的GM(1,1)模型在天然氣消費預測中的應用為了提高GM(1,1)模型的預測精度,提出一種基于灰狼優(yōu)化算法的改進GM(1,1)模型(GWOGM(1,1))。該模型利用GWO算法對GM(1,1)模型的發(fā)展系數(shù)和灰色作用量進行優(yōu)化,使得實際值與預測值之間的平均相對誤差率最小。對2001-2013年中國居民天然氣消費總量和天然氣消費總量進行模擬,驗證了 GWOGM(1,1)模型的有效性,并且與傳統(tǒng)的GM(1,1)模型和Verhulst模型相比較,該模型的預測精度更高。
【圖文】：

圖 2-1 灰狼等級金字塔Fig. 2-1 Hierarchy pyramid of grey wolf看到，金字塔第一層是 狼，也被稱為“頭狼”，是灰有管理能力； 是 狼的下一層，在做一些決策和處理，當 狼不在狼群中、生病或死亡時， 也會替補成為 的其他狼，同時還擔任 狼“助理”的角色，它給群體中 狼反饋將執(zhí)行情況；普通狼 處于金字塔的第三層，在其他底層個體，它的工作主要是偵察、放哨、捕獵、看護；最下面的一層稱為 ，負責平衡種群各個階層的關系以的社會等級機制是灰狼優(yōu)化算法的主要靈感來源，另一個食行動由 狼領導，其它狼的任務是圍攻，主要包括以。這種高效捕殺獵物的過程使得它們可以抓獲大型獵物。型的第一步是追逐和包圍。GWO 在 n 維空間中有兩個點

上文曾討論過，社會等級制度在狩獵和種群生存中起著關會等級，記群體最優(yōu)解為 ，次優(yōu)解為 ，第三最優(yōu)解為 ，其它個界中，每個類別中可能有不止一個狼，但為了簡單起見，認為只有一O 中的每個類。問題的全局最優(yōu)性是未知的，，在 GWO 中，假設 、 和 對獵物位是合理的，因為它們是整個種群中的最佳解。 和其它灰狼的位置是置更新的，由公式（2-5）和（2-6）表示：1 1 12 2 23 3 3- , -- , -- , - D = C X X X = X A DD = C X X X = X A DD = C X X X = X A D 1 2 313t X X XX -2 顯示搜索代理如何根據(jù) 、 和 在二維搜索空間中更新其位置�？芍脤⒃谝粋�圓形內的隨機位置，這個位置由搜索空間中 、 和 的， 、 和 估計獵物的位置，而其他狼則在獵物周圍隨機更新它們
【學位授予單位】：西安理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP18;O212

【相似文獻】

相關期刊論文 前10條

1 張宏哲;;FFT算法的一種改進[J];長安大學學報(自然科學版);1988年01期

2 苑寶生,俞鐵城;連呼漢語識別研究[J];聲學學報;1989年06期

3 孫楊模;;操作系統(tǒng)常見的幾種算法舉例分析[J];湖北三峽職業(yè)技術學院學報;2010年02期

4 郜振華;吳昊;;一種改進的混合蝙蝠算法[J];南華大學學報(自然科學版);2019年01期

5 吳天行;郭鍵;;基于“反學習”理論的人工蜂群算法在訂單分批問題中的應用[J];物流技術;2017年12期

6 全燕;陳龍;;算法傳播的風險批判:公共性背離與主體扭曲[J];華中師范大學學報(人文社會科學版);2019年01期

7 肖海軍;成金華;何凡;;雙核因素蝙蝠算法[J];中南民族大學學報(自然科學版);2018年01期

8 張進;;一種快速雙對分邏輯運算算法[J];情報學報;1992年03期

9 陳廣江;用MUSIC算法處理非均勻間隔采樣數(shù)據(jù)[J];系統(tǒng)工程與電子技術;1998年09期

10 于浩;王芳;;ROHC算法在LWIP上的仿真與實現(xiàn)[J];計算機仿真;2017年12期

相關會議論文 前7條

1 李孟霖;余祥;巫岱s

本文編號：2689618