XiaoMi-AI文件搜索系统
World File Search SystemGWO
Pradipta Kumar Mishra、Suresh Chandra Satapathy* 和 Minakhi 使用基于优化的深度卷积神经网络对 MRI 脑肿瘤图像进行分割
摘要：脑图像分割应该准确完成，因为它有助于预测致命的脑肿瘤疾病，从而可能控制事先知道的恶意脑图像片段。通过脑肿瘤分割程序可以提高脑肿瘤分析的准确性。早期的 DCNN 模型不考虑学习实例的权重，这可能会降低分割过程的准确性。考虑到上述观点，我们提出了一个框架，使用基于群体智能的算法（如遗传算法（GA）、粒子群优化（PSO）、灰狼优化（GWO）和鲸鱼优化算法（WOA））来优化 DCNN 模型的网络参数，例如权重和偏差向量。模拟结果表明，WOA 优化的 DCNN 分割模型优于其他三种基于优化的 DCNN 模型，即 GA-DCNN、PSO-DCNN、GWO-DCNN。
一种增强型运动皮层脑电图预测系统
摘要。随着许多新技术的出现，人们开始探索开发新的设备，这些设备可以根据脑电信号预测人类思维中发生的事情，例如本文使用的方法包含对多个运动皮层想象任务获取的脑电信号进行新分类的方法，该方法基于使用 Extra Tree 算法来很好地选择用于获取脑电信号的最佳通道，然后使用支持向量机 (SVM) 算法进行数据分类，此外，本研究使用灰狼优化器 (GWO) 算法快速改进所有 SVM 参数，并将系统的精度收敛到最高可能值。结果，本研究显示基于运动皮层想象的脑电信号预测准确率可提高 99% 以上。此外，本文还与文献中的其他方法进行了比较。
四轮驱动插电式混合动力汽车双自适应等效油耗最小化策略
摘要：能量管理策略对于发挥四轮驱动插电式混合动力汽车（4WD PHEV）的节能效果至关重要。针对4WD PHEV中复杂的多能量系统，提出一种新的双自适应等效消耗最小化策略（DA-ECMS）。该策略通过引入未来驾驶工况类别来调整等效因子，提高驾驶工况的适应性和经济性，优化多能量系统的管理。首先，采用自组织神经网络（SOM）和灰狼优化器（GWO）对驾驶工况类别进行分类，离线优化多维等效因子；其次，采用SOM进行驾驶工况类别识别，并匹配多维等效因子；最后，DA-ECMS完成前轴多能源与电驱动系统的多能量优化管理，释放4WD PHEV的节能潜力。仿真结果表明，与基于规则的策略相比，DA-ECMS经济性提高了13.31%。
MCHIAO：基于解决工程问题的混乱行为的修改后的冠状病毒群体 - Aquila优化算法
摘要本文提出了一种混合修饰的冠状病毒群免疫Aquila优化算法（MCHIAO），该算法（MCHIAO）编译了增强的冠状病毒群免疫优化器（ECHIO）算法和Aquila Optimizer（AO）。作为具有竞争性人类的优化算法之一，冠状病毒群免疫优化器（CHIO）超过了其他一些以生物为灵感的算法。与其他优化算法相比，CHIO显示出良好的结果。然而，CHIO与局部Optima相关，并且大规模全球优化问题的准确性降低了。另一方面，尽管AO具有显着的本地剥削能力，但其全球勘探能力却没有必要。随后，提出了一种新型的元疗优化器，修饰的冠状病毒群kepira优化器（MCHIAO），以克服这些限制并将其适应以解决特征选择挑战。在本文中，提出了三个主要的增强功能，以克服这些问题并达到更高的最佳结果，这些结果是分类的情况，使用混乱系统增强了新基因的价值方程，并受到了冠状病毒的混乱行为的启发，并产生了一种新的公式，以开关开关和狭窄的利用。MCHIAO证明，除了AO和CHIO之外，还值得十种众所周知的最著名的最先进的优化算法（GoA，MFO，MPA，GWO，GWO，HHO，HHO，HHO，HHO，WOA，IAO，NOA，NOA，NOA，NGO）。Friedman平均水平和Wilcoxon统计分析（P值）均在所有最新算法测试23个基准功能上进行。Wilcoxon测试和Friedman在29 CEC2017功能上也进行了。此外，在10 CEC2019基准功能上进行了一些统计检验。六个现实世界中的问题用于验证所提出的MCHIAO针对相同的十二个最先进的算法。在经典函数上，包括24个单峰和44个多模式函数，分别评估了混合算法MCHIAO的剥削性和探索性行为。使用Wilcoxon Rank -sum检验计算的P值证明了所提出的所有功能的统计学意义，因为发现这些P值小于0.05。
由 stsmc 引导和控制的垂直起降飞机
本文介绍了在非参数不确定性（阵风和风扰动）下悬停飞行的垂直起降 (VTOL) 无人机 (UAV) 的滚转运动的最佳滑模控制 (SMC) 和最佳超扭转滑模控制 (STSMC) 的设计。本文对受控滚转运动进行了稳定性分析，并基于 Lyapunov 定理证明了渐近误差收敛。据此，针对受不确定性影响的飞机系统制定了控制律。为了避免在选择设计参数时进行反复试验并提高 SMC 和 STSMC 的性能，建议使用灰狼优化进行调整。基于数值模拟，对最佳和非最佳控制器以及最佳 SMSTC 和最佳 SMC 进行了比较研究，比较了跟踪误差和控制信号中的抖动行为。数值模拟表明，GWO 可以提高 SMC 和 STSMC 的性能。此外，在跟踪误差和控制信号抖动效应方面，最佳 STSMC 比最佳 SMC 具有更好的动态性能。
使用元神光算法对涡轮螺旋桨飞机出租车的飞行耐力进行优化I. Fozouni Talouki，A。Toloei *新技术部
这项研究旨在使用两种元启发式优化算法优化12乘型涡轮螺旋桨飞机出租车的飞行耐力：灰狼优化（GWO）和蚂蚁殖民地优化（ACO）。最初，采用了梯度下降方法来估计飞机的最大重量。随后，将飞机的性能特性用作设计变量和飞行耐力在特定限制下进行了优化，而不会改变飞机的物理结构。实施了优化过程，并根据性能和效率进行了评估和比较结果。这项研究表明，使用随机和集体策略提到的两种算法能够提高飞机的效率。此外，与最初的耐力相比，对三架真实飞机（撞击器，比奇克船和庞巴迪）进行了优化的飞行耐力。在这种情况下，蚂蚁菌落优化算法表现出比灰狼优化算法更好的性能，灰狼优化算法可能会对飞行运营产生积极影响而无需加油或寻找替代机场的过程。
国际国防训练（陆军）目录
炮兵课程 炮兵参谋课程（近距离支援） 4:1 炮兵 ISTAR/GBAD 教官 4:2 炮兵职业课程（近距离支援）（GCC (CS)) 4:3 炮兵职业课程 (ISTAR GBAD) 4:4 火力支援小组指挥官 (FST Comd) 4:5 火力支援小组 4 级课程 4:6 炮兵连指挥官 (BC) 通用模块 4:7 炮兵连指挥官（近距离支援） 4:8 炮兵连指挥官 (ISTAR) - 情报监视目标获取与侦察 4:9 炮兵连指挥官 (BC) 地基防空 (GBAD) 4:10 联合战场管理课程 (JBMC)。4:11 皇家炮兵参谋军官课程 4:12 年轻军官课程 - 通用模块 4:13 年轻军官 - 近距离支援 4:14 年轻军官 - 防空 4:15 年轻军官 - 战术 ISTAR 4:16 年轻军官课程 – MLRS 4:17 指挥所军官 (CPO) - 地基防空 (GBAD) 4:18 国际战术目标瞄准 (非 FYES) 4:19 GBAD 作战军官课程 (GWO) 4:20 全频谱目标瞄准 (FSpecT)。4:21
基于混合模型的锂离子电池剩余使用寿命预测
摘要：准确预测剩余使用寿命（RUL）是保证锂离子电池安全稳定性的关键功能。为解决不同工况下的容量再生和模型适应性，提出了一种基于带自适应噪声的完全集合经验模态分解（CEEMDAN）和双向门控循环单元（BiGRU）的混合RUL预测模型。利用CEEMDAN将容量划分为固有模态函数（IMF）以降低容量再生的影响。此外，提出一种改进的灰狼优化器（IGOW）来保持BiGRU网络的可靠性。利用混沌帐篷映射提高GWO算法中初始种群的多样性，采用改进的控制因子和动态种群权重来加速算法的收敛速度。最后，进行容量和RUL预测实验，验证不同训练数据和工况下的电池预测性能。结果表明，所提出的方法仅使用 30% 的训练集即可实现小于 4% 的 MAE，并使用 CALCE 和 NASA 电池数据进行了验证。
基于灰狼优化器的综合技术-经济-环境能源管理策略的独立混合微电网系统的优化性能
近来，全球对通过微电网 (MG) 组织可再生能源 (RES) 运行的兴趣日益浓厚，这是解决技术、经济和环境困难的独特方法。本研究建议在混合微电网系统中实施发达的分布式资源管理策略 (DRMS)，以降低总净百分比成本 (TNPC)、能量损失 (P loss) 和气体排放 (GEM)，同时将成本效益指数 (CBI) 和电力供应损失概率 (LPSP) 作为运营约束。灰狼优化器 (GWO) 用于寻找混合微电网组件的最佳规模，并计算具有和不具有所提出的管理方法的多目标函数。此外，还对许多经济和技术参数进行了详细的敏感性分析，以评估系统性能。与正常运行相比，所提出的策略分别将系统的总净现值成本、功率损失和排放量降低了 (1.06%)、(8.69%) 和 (17.19%)。采用萤火虫算法（FA）和粒子群优化（PSO）技术验证结果。本研究从技术、经济和环境角度给出了评估混合微电网系统有效性的更详细计划。
第 43 卷，第 1 期。2024 年 1 月最佳尺寸和经济...
本文介绍了一种创新方法，利用迭代优化技术 (IOT) 来计算自主混合系统的最佳规模，以确定可靠性指数最高的系统产生的最低平准化能源成本 (LEC) 和虚拟能量 (E dummy)。该系统包括光伏 (PV) 板、风力发电机 (WTG)、柴油发电机 (DG) 和电池存储。根据太阳辐射、风速、环境温度和一年 8,760 小时的负载需求的实时气象数据，开发了一个创新的计算机程序 (CP)。针对位于埃及新河谷省的一个自主站点和来自不同制造商的许多 WTG，介绍了一种精确的方法，用于以系统提供的最低能源成本获得最大的能量产量。CP 会以一定的增量修改风能和光伏的渗透率以满足需求负载。通过将获得的结果与从 HOMER 软件和 Grey Wolf Optimizer (GWO) 获得的结果进行比较来验证 CP。模拟结果证明了IOT在确定系统最优规模方面的有效性和简单性。