改进的灰狼算法在电动汽车充电调度中的应用

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.

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

所属期刊栏目：22

分类号：TP301.6(计算技术、计算机技术)

资助基金：江西省教育厅立项课题GJJ150678

在线出版日期：2022-12-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：13355-13362