灰狼优化VMD的两个参数，惩罚系数和分解层数。并做包络谱，频谱等分析。有仿真数据直接运行。
采用平方包络谱峭度、包络熵、谱峭度、相关系数等作为适应度函数。
2022-06-17 14:09:23
48KB
受 灰 狼 群 体 捕 食 行 为 的 启 发，Mirjalili等于 2014年提出了一种新型群体智能优化算法：灰狼优化算法。GWO通过模拟灰狼群体捕食行为，基于狼群群体协作的机制来达到优化的目的。 代码里面包含了20几种基准测试函数，用来测试算法的性能。
GWO算法具有结构简单、需要调节的参数少，容易实现等特点，其中存在能够自适应调整的收敛因子以及信息反馈机制，能够在局部寻优与全局搜索之间实现平衡，因此在对问题的求解精度和收敛速度方面都有良好的性能。
2022-06-11 18:09:11
5KB
-初始灰狼算法用于WSN覆盖，方便用于改进扩展
-有注释，方便理解
-如果加上一些种群初始化策略、跳出局部最优策略的话，很容易提升覆盖率
2022-06-05 15:06:46
3KB
粗糙集理论是模式识别和机器学习的重要内容，属性约简是粗糙集理论中核心步骤。然而传统的粗糙集理论对数据集进行属性约简，计算复杂度高，容易陷入局部最优解。提出了一种新型灰狼优化算法的粗糙集属性约简技术，可以很好地解决传统粗糙集理论出现的弊端。同时为了验证算法的可行性，采用国际通用UCI数据库进行验证，与两种传统的属性约简方法进行对比分析。实验结果表明，该方法属性约简个数少，识别精度高，证明该方法切实可行，操作简单。
2022-05-29 11:24:59
2.27MB
1
灰狼优化算法（Grey Wolf Optimizer，GWO）由澳大利亚格里菲斯大学学者 Mirjalili 等人于2014年提出来的一种群智能优化算法。该算法受到了灰狼捕食猎物活动的启发而开发的一种优化搜索方法，它具有较强的收敛性能、参数少、易实现等特点。近年来受到了学者的广泛关注，它己被成功地应用到了车间调度、参数优化、图像分类等领域中。
2022-05-25 09:09:02
37.6MB
1
灰狼算法优化lstm进行回归预测，内置数据集，全中文注释，可以在matlab2019或者更高版本上直接运行。
2022-05-12 16:06:19
771KB