为更好发现数据中的复杂规律, 避免核函数选择的盲目性和局部最优等非线性优化问题, 本文提出一种基于改进灰狼算法优化多核支持向量回归机算法. 首先, 基于全局核函数和局部核函数构建多核支持向量机采油速度预测模型; 其次, 利用基于云模型和二次插值算法改进灰狼优化算法对核函数权值和参数的选取进行优化; 最后, 应用灰色关联分析理论确定采油速度影响因素集, 并作为多核支持向量回归机预测模型的输入. 与6种采油速度预测方法进行对比, 所提方法具有较好的全局寻优能力和较高的预测率的优点.
2021-12-02 20:36:05
1.2MB
1
【lstm预测】基于灰狼优化算法改进的lstm预测matlab源码.zip
2021-11-04 23:02:13
1.31MB
1
为了解决多目标灰狼优化算法（MOGWO）易陷入局部最优，稳定性差等缺点，基于对算法寻优时灰狼个体运动情况的分析，提出了两条改进策略：一是通过引入“观察”策略赋予灰狼个体自主探索的能力，以提高算法的优化效率和跳出局部最优的能力；二是改进控制参数调整策略，选用幂函数取代线性函数以提高算法的稳定性。然后对两条改进策略进行了可行性分析，提出了带观察策略的多目标灰狼算法并进行了算法复杂度分析。最后通过对6个不同特点测试函数的多次重复实验，结合GD与IGD两种通用评价指标，对原算法、改进后算法和多目标粒子群算法进行比较，从算法效率、寻优能力和稳定性等方面综合验证了算法改进的有效性和优越性。
2021-10-21 23:37:15
835KB
1
针对基本灰狼优化(GWO)算法存在求解精度低、收敛速度慢、局部搜索能力差的问题，提出一种改进灰狼优化(IGWO)算法用于求解约束优化问题。该算法采用非固定多段映射罚函数法处理约束条件，将原约束优化问题转化为无约束优化问题，然后利用IGWO算法对转换后的无约束优化问题进行求解。在IGWO算法中，引入佳点集理论生成初始种群，为算法全局搜索奠定基础；为了提高局部搜索能力和加快收敛，对当前最优灰狼个体执行Powell局部搜索。采用几个标准约束优化测试问题进行仿真实验，结果表明该算法不仅克服了基本GW0的缺点，而且
2021-09-05 09:13:55
483KB
1