灰狼优化算法（GWO）是目前一种比较新颖的群智能优化算法，具有收敛速度快、寻优能力强等优点。将灰狼优化算法用于求解复杂的作业车间调度问题，与布谷鸟搜索算法进行比较研究，验证了标准GWO算法求解经典作业车间调度问题的可行性和有效性。在此基础上，针对复杂作业车间调度问题难以求解的特点，对标准GWO算法进行改进，通过进化种群动态、反向学习初始化种群以及最优个体变异三个方面的改进操作，测试结果表明，改进后的混合灰狼优化算法能够有效跳出局部最优值，找到更好的解，并且结果鲁棒性更强。

2010全自动抓鸡工具，8月跟新的。全自动的，抓鸡迅速，成功率高.

MATLAB实现GWO-SVM灰狼算法优化支持向量机多特征分类预测（完整源码和数据） 数据为多特征分类数据，输入15个特征，分四类,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。 运行环境MATLAB2018b及以上。

MATLAB实现GWO-BiLSTM灰狼算法优化双向长短期记忆神经网络多输入单输出回归预测（完整源码和数据） 灰狼算法优化参数为初始学习率，隐藏层节点个数，正则化参数。 数据为多输入回归数据，输入6个特征，输出1个变量。 运行环境MATLAB2018b及以上,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。

MATLAB实现GWO-LSTM灰狼算法优化长短期记忆神经网络多输入单输出回归预测（完整源码和数据） 灰狼算法优化参数为初始学习率，隐藏层节点个数，正则化参数。 数据为多输入回归数据，输入6个特征，输出1个变量。 运行环境MATLAB2018b及以上,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。

MATLAB实现GWO-GRU灰狼算法优化门控循环单元多输入单输出回归预测（完整源码和数据） 灰狼算法优化参数为初始学习率，隐藏层节点个数，正则化参数。 数据为多输入回归数据，输入6个特征，输出1个变量。 运行环境MATLAB2020b及以上,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。

除灰系统工艺概述概要.ppt

除灰系统工艺概述汇总.ppt

为探究氧化物组成对煤灰熔融特性的影响，选取煤灰中的氧化物含量作为自变量，在SPSS软件平台上对变形温度DT、软化温度ST、半球温度HT和流动温度FT分别进行全子集回归和逐步回归，比较得到显著性最强的新定义的熔融指数FI和最优的回归预测方程。结果表明，单一氧化物组分对灰熔温度的影响不显著；对DT影响最显著的熔融指数为FID=Al2O3+Fe2O3，且煤灰中FID含量低于30%时，DT几乎不变化，含量大于30%时DT发生较大幅度降低；对FT影响最显著的熔融指数为FIF=SiO2+Al2O3+Fe2O3，且随着FIF含量升高，流动温度呈上升趋势；对半球温度HT影响最显著的熔融指数FIH= SiO2+Al2O3，对软化温度ST影响最显著的熔融指数FIS=SiO2+Al2O3+Fe2O3，但FIH和FIS对ST和HT的显著性略低，为得到更准确的预测模型，进一步以十种氧化物为起点通过逐步回归方法分析得到ST和HT的预测方程。

灰狼算法优化长短期记忆网络（GWO-LSTM）的多输入单输出回归预测 （Matlab完整程序和数据） 运行版本2018及以上 优化参数为学习率，隐藏层节点个数，正则化参数Matlab代码，多个评价指标。