灰狼优化算法(Grey Wolf Optimization,GWO)是一种新型的群智能优化算法。与其他智能优化算法类似,该算法仍存在收敛速度慢、容易陷入局部极小点的缺点。针对这一问题,提出了具有自适应搜索策略的改进算法。为了提高算法的收敛速度和优...灰狼优化算法(Grey Wolf Optimization,GWO)是一种新型的群智能优化算法。与其他智能优化算法类似,该算法仍存在收敛速度慢、容易陷入局部极小点的缺点。针对这一问题,提出了具有自适应搜索策略的改进算法。为了提高算法的收敛速度和优化精度,通过适应度值控制智能个体位置,并引入了最优引导搜索方程;另一方面,为提高GWO的种群多样性,改进算法利用位置矢量差随机跳出局部最优。最后对10个标准测试函数进行了仿真实验,并与其他4种算法进行了比较,统计结果和Wilcoxon符号秩检验结果均表明,所提出的改进算法在收敛速度以及搜索精度方面具有明显优势。展开更多
针对基本优化算法在电网发生复杂故障时求解的准确度不高、易陷入局部最优等问题,提出了一种粒子群混合灰狼算法(Hybrid Algorithm of Particle Swarm Optimization and Grey Wolf Optimization,PSO-GWO)优化电网解析模型的诊断方法。...针对基本优化算法在电网发生复杂故障时求解的准确度不高、易陷入局部最优等问题,提出了一种粒子群混合灰狼算法(Hybrid Algorithm of Particle Swarm Optimization and Grey Wolf Optimization,PSO-GWO)优化电网解析模型的诊断方法。引入了一种计及误动、拒动等完备故障信息的完全解析模型,以应对复杂故障时产生的不确定问题。利用粒子群算法具有个体记忆性的特点,提出了一种与灰狼算法在结构上混合的优化算法。通过包含不确定信息的算例分析,发现混合算法具有平衡算法的局部搜索和全局开发的能力,并且诊断结果能够对故障情况作出解释,验证了混合算法比基本算法更适用于电网故障诊断。展开更多
为有效进行芯片标识的提取,提出一种基于灰狼优化算法(gray wolf optimization,GWO)的改进动态双阈值的Canny算子来进行芯片标识图像边缘提取。首先,从芯片标识生产环境复杂、图像干扰信息多的角度出发,对Canny算子的双阈值进行改进;其...为有效进行芯片标识的提取,提出一种基于灰狼优化算法(gray wolf optimization,GWO)的改进动态双阈值的Canny算子来进行芯片标识图像边缘提取。首先,从芯片标识生产环境复杂、图像干扰信息多的角度出发,对Canny算子的双阈值进行改进;其次,使用灰狼优化算法确定其高阈值选取;最后,将本文算法与传统Log、Prewitt、Roberts、Canny、Sobel算子进行实验比较,利用召回率和精确率等方法作了客观评估。实验结果表明,本文所提算法优于传统的边缘提取算法,提取准确度高,为后续识别打下了坚实基础。展开更多
随着老龄化问题日趋严重,老年人的安全问题越来越受到重视,跌倒行为就是导致老年人死亡或发病的主要原因之一。基于此,提出了一种基于灰狼算法(Grey Wolf Optimizer,GWO)优化支持向量机(Support Vector Machines,SVM)的行人跌倒检测方...随着老龄化问题日趋严重,老年人的安全问题越来越受到重视,跌倒行为就是导致老年人死亡或发病的主要原因之一。基于此,提出了一种基于灰狼算法(Grey Wolf Optimizer,GWO)优化支持向量机(Support Vector Machines,SVM)的行人跌倒检测方法。选择了行人运动行为中的加速度、角速度和高度作为特征参数,构建了一种基于GWO-SVM的跌倒检测模型,使用MATLAB对模型进行训练及验证。并选择其他三种模型进行对比,使用混淆矩阵对四种模型的效果进行评估。结果表明,经灰狼算法优化的支持向量机对跌倒行为的检测精确度达到95.00%,F1-Score值同样达到95.00%。展开更多
文摘灰狼优化算法(Grey Wolf Optimization,GWO)是一种新型的群智能优化算法。与其他智能优化算法类似,该算法仍存在收敛速度慢、容易陷入局部极小点的缺点。针对这一问题,提出了具有自适应搜索策略的改进算法。为了提高算法的收敛速度和优化精度,通过适应度值控制智能个体位置,并引入了最优引导搜索方程;另一方面,为提高GWO的种群多样性,改进算法利用位置矢量差随机跳出局部最优。最后对10个标准测试函数进行了仿真实验,并与其他4种算法进行了比较,统计结果和Wilcoxon符号秩检验结果均表明,所提出的改进算法在收敛速度以及搜索精度方面具有明显优势。
文摘针对基本优化算法在电网发生复杂故障时求解的准确度不高、易陷入局部最优等问题,提出了一种粒子群混合灰狼算法(Hybrid Algorithm of Particle Swarm Optimization and Grey Wolf Optimization,PSO-GWO)优化电网解析模型的诊断方法。引入了一种计及误动、拒动等完备故障信息的完全解析模型,以应对复杂故障时产生的不确定问题。利用粒子群算法具有个体记忆性的特点,提出了一种与灰狼算法在结构上混合的优化算法。通过包含不确定信息的算例分析,发现混合算法具有平衡算法的局部搜索和全局开发的能力,并且诊断结果能够对故障情况作出解释,验证了混合算法比基本算法更适用于电网故障诊断。
文摘为有效进行芯片标识的提取,提出一种基于灰狼优化算法(gray wolf optimization,GWO)的改进动态双阈值的Canny算子来进行芯片标识图像边缘提取。首先,从芯片标识生产环境复杂、图像干扰信息多的角度出发,对Canny算子的双阈值进行改进;其次,使用灰狼优化算法确定其高阈值选取;最后,将本文算法与传统Log、Prewitt、Roberts、Canny、Sobel算子进行实验比较,利用召回率和精确率等方法作了客观评估。实验结果表明,本文所提算法优于传统的边缘提取算法,提取准确度高,为后续识别打下了坚实基础。
文摘随着老龄化问题日趋严重,老年人的安全问题越来越受到重视,跌倒行为就是导致老年人死亡或发病的主要原因之一。基于此,提出了一种基于灰狼算法(Grey Wolf Optimizer,GWO)优化支持向量机(Support Vector Machines,SVM)的行人跌倒检测方法。选择了行人运动行为中的加速度、角速度和高度作为特征参数,构建了一种基于GWO-SVM的跌倒检测模型,使用MATLAB对模型进行训练及验证。并选择其他三种模型进行对比,使用混淆矩阵对四种模型的效果进行评估。结果表明,经灰狼算法优化的支持向量机对跌倒行为的检测精确度达到95.00%,F1-Score值同样达到95.00%。
