一种改进的混合灰狼优化支持向量机预测算法及应用

摘要：

为了改善差分灰狼预测算法的早熟收敛、搜索能力不均衡、容易陷入局部最优等问题,提出了一种改进的混合灰狼优化(HGWO)预测算法,可自适应改进和调整差分进化中的变异算子、交叉算子和变异策略.嵌入具有分类预测功能的支持向量机(SVM),同时引入莱维飞行全局搜索更新狼群位置,优化SVM核函数参数y和惩罚因子C,构建了HGWO-SVM预测算法预测推焦车大车道内物体的运动轨迹.结果 表明,与已有算法相比,该算法对行人、自行车、电瓶车、电动三轮车、大中小型四轮汽车的位置预测相对实际值的误差分别降低了4.21、4.14、7.91、2.03、25.53个百分点,预测时间减少了8.8～10 s.可以克服焦炉恶劣的环境影响,准确预测推焦车车道内运动对象的轨迹,为推焦车无人化运行提供主动安全的预测控制方法.

关键词：支持向量机、灰狼优化算法、差分进化、莱维飞行、目标跟踪、轨迹预测

所属期刊栏目：57

分类号：TP29(自动化技术及设备)

资助基金：宝山钢铁股份有限公司科研资助项目2018103104-19R030TAAA,27220H160171-J2016-171

在线出版日期：2020-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：333-339