演示如何将二元灰太狼优化(BGWO)应用于特征选择任务。
MTDE使用一种基于新的多试验向量方法MTV设计的自适应运动步骤,该方法结合了不同的搜索策略
基于灰太狼优化的互联电力系统负荷频率控制
该工具箱提供了40多种包装器特征选择方法,包括PSO、GA、DE、ACO、GSA等。
在2021年的一篇论文中介绍了灰狼优化器(GWO)的改进版本
其中包含优化942杆塔架重量的目标函数文件,也称为26层塔架。
多目标非排序灰狼优化器(MOGWO)(NSGWO)
这是一种新的优化算法,可用于优化不同的优化问题。
这个工具箱包括我提出的所有优化算法(GWO、ALO、MVO、DA、MFO、SCA和WOA)
最近提出的灰太狼优化器(GWO)的多目标版本。
用于解决多目标问题的蜻蜓算法(DA)的多目标版本
提交使用最近提出的灰狼优化器来训练多层感知器
提交使用最近提出的灰狼优化器来训练多层感知器
GWO是一种新的全局优化元启发式算法
用于解决优化问题的Moth flame Optimization(MFO)算法工具箱
SSA是一种求解单目标优化问题的新算法
SCA是一种求解单目标优化问题的新算法
GOA是一种新的全局优化元启发式算法