An improved grey wolf optimizer algorithm for the inversion of geoelectrical data
An improved grey wolf optimizer algorithm for the inversion of geoelectrical data
复制标题
一种改进的地电数据反演灰狼优化算法
DOI：
10.1007/s11600-018-0148-8
复制
发表时间：
2018-05
期刊：
影响因子：
2.3
通讯作者：
董智慧
中科院分区：
文献类型：
--
作者：
李思宇;王书明;王鹏飞;苏晓璐;张欣松;董智慧
灰狼优化算法（GWO）是受灰狼的社会等级和捕食行为的启发而提出的一种新型仿生算法。GWO算法的基本概念、公式简单、参数少，易于实现。本文提出了一种具有非线性收敛因子和自适应位置更新策略的GWO算法，并将改进的GWO算法应用于大地电磁（MT）、直流电阻率和激发极化（IP）方法的地球物理反演问题。在MATLAB 2010 b中对正演数据和实测数据进行了数值试验，结果表明IGWO算法能够找到全局最小值，很少陷入局部最小值。为了进一步研究，使用IGWO反演结果与粒子群优化（PSO）和模拟退火（SA）算法进行了对比。比较的结果表明，IGWO和PSO同样表现出更好的平衡勘探和开采与给定的迭代次数比SA。
The grey wolf optimizer (GWO) is a novel bionics algorithm inspired by the social rank and prey-seeking behaviors of grey wolves. The GWO algorithm is easy to implement because of its basic concept, simple formula, and small number of parameters. This paper develops a GWO algorithm with a nonlinear convergence factor and an adaptive location updating strategy and applies this improved grey wolf optimizer (improved grey wolf optimizer, IGWO) algorithm to geophysical inversion problems using magnetotelluric (MT), DC resistivity and induced polarization (IP) methods. Numerical tests in MATLAB 2010b for the forward modeling data and the observed data show that the IGWO algorithm can find the global minimum and rarely sinks to the local minima. For further study, inverted results using the IGWO are contrasted with particle swarm optimization (PSO) and the simulated annealing (SA) algorithm. The outcomes of the comparison reveal that the IGWO and PSO similarly perform better in counterpoising exploration and exploitation with a given number of iterations than the SA.
登录
查看更多内容
影响因子：
2.8
作者：
S. Dosso;D. Oldenburg
通讯作者：
S. Dosso;D. Oldenburg
DOI：
10.1109/fskd.2016.7603323
发表时间：
2016-08
期刊：
2016 12th International Conference on Natural Computation, Fuzzy Systems and Knowledge Discovery (ICNC-FSKD)
影响因子：
--
作者：
Xiuwen Mo;Xiao Li;Qiang Zhang
通讯作者：
Xiuwen Mo;Xiao Li;Qiang Zhang
影响因子：
2.1
作者：
Rashedi, Esmat;Nezamabadi-pour, Hossein;Saryazdi, Saeid
通讯作者：
Saryazdi, Saeid
影响因子：
1.3
作者：
Muro, C.;Escobedo, R.;Coppinger, R. P.
通讯作者：
Coppinger, R. P.
DOI：
10.1016/j.asoc.2015.03.041
发表时间：
2015-07
期刊：
Appl. Soft Comput.
影响因子：
--
作者：
M. Sulaiman;Z. Mustaffa;M. R. Mohamed;O. Aliman
通讯作者：
M. Sulaiman;Z. Mustaffa;M. R. Mohamed;O. Aliman