一种基于领导者策略的狼群搜索算法

基于狼群捕食行为的特性,提出一种基于领导者策略的狼群搜索算法。该算法思想源于狼群个体之间存在相互竞争,从而推选出狼群中最为精壮的狼作为狼群的领导者,然后在领导者的带领下获取猎物,这样使得狼群能够更加有效地捕获到猎物。狼群在领导者狼的带领下通过不断搜索,捕获猎物,该过程对于优化问题,最终可找到全局最优解。为表明所提出的算法有效和正确性,通过测试标准函数与其他同类算法比较,结果表明该算法无论在收敛速度还是求解精度上都较优,且不易陷入局部极小。

狼群搜索算法在光伏阵列MPPT中的应用

光伏阵列最大功率点在外部环境条件变化时往往难以进行有效地跟踪,而传统的最大功率点跟踪(MPPT)方法常常会导致搜索陷入局部极值并且响应速度慢。针对此问题,本文提出一种基于狼群搜索算法的最大功率点跟踪方法。仿真结果表明:该算法能够有效地进行全局最大功率点跟踪,验证了该算法的可行性。

基于狼群搜索算法的函数优化问题求解

针对当前函数优化问题求解方法存在求解精度低、收敛速度慢等不足,提出了基于狼群搜索算法的函数优化问题求解方法 .首先构建函数优化问题的数学模型,然后采用狼群搜索算法在潜在解的空间进行寻优,找到函数优化问题的全局最优解,最后进行了具体函数优化问题求解的仿真实验.测试结果表明:狼群搜索算法加快了函数优化问题的求解速度,而且函数优化问题解的精度高,优于其他函数优化问题求解方法.将狼群搜索算法应用于无线电信异常信号识别的特征选择中,获得了较好的无线电信异常信号识别效果.

一种改进的狼群搜索算法及用于解决聚类问题

具有短暂记忆的狼群搜索算法WSA(Wolf search algorithm with ephemeral memory)是一种新的群智能优化算法,然而该算法存在易陷入局部最优之不足。为此,提出一种改进的狼群搜索算法IWSA(An improved wolf search algorithm)。将该算法应用于解决聚类问题,提出一种IWSA与k-means相结合的聚类方法。方法在每次迭代中,利用IWSA来指导搜寻全局最优质心,避免了算法陷入局部最优。最后,用11个真实数据集和2个人工合成数据集来测试该方法的性能。测试结果证实了该方法是可行的和有效的。

一种引入Nelder-Mead算子的改进狼群搜索算法

为了克服狼群搜索算法(WSA)存在的不足,提出一种新的混合优化算法,称之为引入Nelder-Mead算子的改进狼群搜索算法。该算法使得每只狼在个体搜索中能够利用群体信息和个体记忆来指导其搜索猎物,以提高算法的全局搜索能力;让每只狼在个体搜索中可使用Nelder-Mead方法,以弥补WSA在局部搜索能力上的不足。选取六个基准函数,用来测试算法的优化性能。实验结果表明:该算法能够寻得更优的最优解,且鲁棒性更强,可应用于求解高维复杂优化问题。

基于LWCA-SVM模型对洪泽湖饮用水源地二河闸断面水质的预测分析

二河闸位于洪泽湖出湖口,是二河上游重要的饮用水安全监测断面,为了对其富营养化指示因子TN和TP以及波动幅度较大的DO指标准确的预测,提出了基于领导者策略狼群搜索算法和支持向量机模型的饮用水水源地水质预测模型。对初始狼群进行了敏感性分析,得到狼群数量超过150时,模型的寻优效果最佳;利用LWCA-SVM模型对水质进行预测,得到DO、TN和TP的MSE、MAPE和Pearson系数依次分别为0.791、6.79%和0.931,1.32×10-4、0.5%和0.907,4.49×10-5、5.0%和0.903,说明基于LWCA-SVM的二河饮用水源地水质预测模型预报精度高,推广适应能力强,为二河水质预测提供了一种新方法。