典型文献
改进的灰狼算法在电动汽车充电调度中的应用
文献摘要：
针对灰狼优化算法(grey wolf opotimizer,GWO)易早熟收敛和陷入局部最优的缺点,提出一种基于精英反向学习的改进灰狼算法(grey wolf optimizer based on particle swarm optimizer,PSO-GWO).首先,利用精英反向学习机制初始化种群,使种群保持多样性;然后提出一种非线性控制因子策略,增加算法的搜索能力,提高算法的收敛速度;最后基于差分进化和粒子群思想更新了位置方程,从而提升算法的收敛性能.采取10个基准测试函数将本文提出的改进算法与差分进化算法、粒子群算法、传统灰狼算法、其他学者提出的改进灰狼优化算法进行对比.实验结果表明,本文提出的算法与其他算法相比,在求解多峰函数问题上效果显著,可以搜索到最优解0,同时求解最优非0解函数的效果也体现地较优越;同时运用改进的算法在实际电动汽车充电调度上进行了对比分析,发现也取得了不错的效果.
文献关键词：
灰狼算法;精英反向学习;非线性因子;粒子群思想;充电调度
中图分类号：
作者姓名：
胡泽洲;于仲安;张军令
作者机构：
江西理工大学电气工程与自动化学院,赣州 341000
文献出处：
引用格式：
[1]胡泽洲;于仲安;张军令-.改进的灰狼算法在电动汽车充电调度中的应用)[J].科学技术与工程,2022(30):13355-13362
A类：
opotimizer,粒子群思想
B类：
改进的灰狼算法,电动汽车充电,汽车充电调度,grey,wolf,GWO,早熟,局部最优,精英反向学习,改进灰狼算法,optimizer,on,particle,swarm,PSO,反向学习机制,初始化,非线性控制,控制因子,加算,搜索能力,收敛速度,位置方程,收敛性能,基准测试函数,改进算法,差分进化算法,粒子群算法,改进灰狼优化算法,多峰,函数问题,最优解,时运,不错,非线性因子
AB值：
0.32011
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
