一种神经网络的多方向GWO优化方法
作者机构:昆明理工大学信息工程与自动化学院 昆明理工大学信息化建设管理中心
出 版 物:《小型微型计算机系统》 (Journal of Chinese Computer Systems)
年 卷 期:2024年
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:云南省哲学社会科学规划教育学项目(AC21012)资助 中国高等教育学会2020年“高等教育信息化研究”专项课题项目(2020XXHYB17)资助
摘 要:针对标准的GWO算法不稳定性和表现性能不佳问题,本文从多个方向提出优化路径。首先,为灰狼群体中增加最优解、候选狼群定义步长、候选狼群步长的权值进行优化、以及各优化方向相结合,对标准GWO算法进行优化改进,总共形成8种优化算法;然后将优化算法融入RNN、MLP和CMLP三种神经网络中,总共构成24种预测模型;最后通过公共数据集进行了240次测试,结果表明,不同方向的优化可以提高各个神经网络预测模型的准确率及稳定性,具有更好的实用性。