适应度反向学习的平衡灰狼算法及其应用

作     者：杨宸 张玮 许鑫 张振喜 高暾 YANG Chen;ZHANG Wei;XU Xin;ZHANG Zhen-xi;GAO Tun

作者机构：太原理工大学化学工程与技术学院山西太原030024 

基　　金：国家自然科学基金项目(22178241) 山西省重点研发计划基金项目(201903D121027) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2024年第45卷第4期

页      码：1047-1055页

摘      要：针对传统灰狼优化算法位置更新时勘探与开发失衡,收敛速度慢且陷入局部最优的问题,提出一种改进的灰狼算法(balanced grey wolf algorithm based on fitness back learning,BGWO),引入非线性控制参数,增强算法前期勘探能力,加速收敛;在种群迭代阶段采用重心反向学习的最优适应度权重更新策略,平衡算法的勘探与开发。16组基准函数测试结果表明,改进后算法能自适应跳出局部最优,在加快算法收敛速度的同时提高全局收敛能力与精度。将BGWO应用于PV型旋风分离器粒级效率GBDT(gradient boosting decision tree)的建模,提高了GBDT的精度,模型相关系数0.980,均方误差0.00079,BGWO-GBDT与GBDT、PSO-GBDT和GWO-GBDT相对比,建模精度和稳定性明显提高,验证了BGWO的有效性。

主 题 词：灰狼优化算法 勘探与开发 非线性控制 适应度反向学习 基准函数测试 梯度提升决策树 旋风分离器效率模型 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2024.04.013

馆 藏 号：203127473...