灰狼失算

灰狼迪克自以为是动物王国里最聪明的人,经常出鬼点子捉弄别人。这天,迪克看了阿凡提的故事:阿凡提帮长工出主意,让长工和农场主达成协议,第一天给1粒小麦,第二天给2粒,     

同桌灰狼

同桌灰狼是秦始皇转世,专制得让我直想造反,然而往往是在揭竿未起之际就被镇压了。你不要小命了吗?他没有拿刀子,可他的眼睛就是刀子。我激灵灵打个寒战,赶紧老老实实为他做点作业。可是灰狼得寸进尺,后来竞发展到我用什么样的背包哪一种式样的文具盒他也要干涉了r。你应该背我这样子的包,文具盒也不要用这个样子的,或者干脆学我,根本不用。     

打灰狼

游戏方法: 选一名幼儿扮演狼,一名幼儿扮演猎人,其余幼儿为树林,站成方阵(如图)。〈1〉～〈16〉小节:“狼”出场,随节奏做动作,走进“树林”,躲藏在一棵“小树”后。〈17〉～〈24〉小节:“猎人”出场,手持沙袋,雄赳赳走步,到〈24〉小节时走进“树林”。〈25〉～〈28〉小节:“猎人”在“树林”中追击“狼”,“小树”可以前平举或侧平举挡住     

灰狼失算了

灰狼迪克自以为是动物王国里最聪明的公民,经常出鬼点子捉弄别人。这天,灰狼迪克看了阿凡     

灰狼的歪理

⒈小鹿在门前栽了几棵刺果树。秋天,果子成熟了,又红又大,上面长满了尖刺儿。 ⒉小鹿摘了一些果子,小心地拔掉刺儿,送给邻居们尝尝鲜。3.一只灰狼路过,见到果子馋得直流口水,张嘴就吃,扎得它满嘴流血。 ⒋灰狼很生气,捂着嘴去找小鹿算账:“你的果子扎了我的嘴,你要赔偿损失!”     

灰狼变木墩

这zhè天tiān,灰huī狼lán-找zhǎo到dào了le一yí个-è巫wū师shī,从cón-巫wū师shī那nà里li学xué到dào了le一yí句jù能nén-够-òu变biàn化huà身shēn体tǐ的de咒zhòu语yǔ。灰huī狼lán-来lái到dào路lù上shFn-,念niàn起qǐ咒zhòu语yǔ,立lì刻kè把bǎ自     

灰狼与外星机器人

灰狼在森林里看到一个飞碟。飞碟里走出来一个机器人。机器人头很大,嘴很大,但眼睛却很小。灰狼想扑上去吃了机器人(他当然不知道这是个机器人)。机器人转过身来看着灰狼,他的眼睛里射出一股逼人的能量。灰狼打了个寒颤,他感觉自己的腿动不了了。“大头怪,你吓了我一跳!”灰狼壮起胆子说,这时他的腿可以活动了。机器人说:“哦,对不起,我不是故意的。对了,我不叫大头怪,我是K星来的机器人,我的名字叫米米多多奇奇怪怪,请多多关照。”看机器人客气,灰狼便凶起来了,说:“你那么一大串名字,我哪里记得住?!我就喊你大头怪!”机器人说“:唉,你愿…     

灰狼与外星机器人

灰狼在森林里看到了一个飞碟。飞碟里走出来了一个机器人。机器人头很大,嘴很大,但眼睛却很小。灰狼想扑上去吃了机器人(他当然不知道这是个机器人)。机器人转过身,他的眼睛里射出一股逼人的能量。灰狼打了个寒颤,他感觉自己的腿根本就动不起来了。“大头怪,你吓了我一跳!”灰狼壮起胆子说,这时他的腿可以活动了。机器人说:“哦,对不起,我不是故意的。对了,我不叫大头怪,我是K星来的机器人,我的名字叫米米多多奇奇怪怪,请多多关照。”灰狼看机器人客气,便凶起来了,说:“你那么一大串名字,我哪里记得住,我就喊你大头怪。”机器人说:“唉,你…     

灰狼照相(童话)

一天,灰狼在路边拣到一本很厚很厚的书,他翻开书,正好看到有一句关于“灰狼”的话,上面写道:灰狼,长着又凶又丑的嘴脸,难看极了……灰狼不服气,送了许多钱给     

一种改进的灰狼算法

针对灰狼算法的缺点,提出一种改进的灰狼算法。引入混沌策略初始化种群,产生更均匀的初始种群;将线性收敛因子改进为非线性收敛因子,能更好地均衡全局搜索和局部搜索;在灰狼更新位置时,根据头狼的决策能力,加入权重策略,使每个灰狼个体更快地向最优的位置移动。最后用6个标准测试函数做仿真实验,结果表明,改进后的灰狼算法在单峰函数和多峰函数求解中,收敛速度和寻优精度都优于其他算法。     

灰狼优化的k均值聚类算法

针对k均值聚类算法对初始聚类中心位置敏感的问题,提出了一种基于灰狼优化的k均值聚类算法,通过灰狼优化算法对解空间的全局寻优能力得到α狼,实现对k均值聚类中心的初始化操作,并通过迭代更新α狼优化k均值聚类中心,直到达到最大迭代次数,以此改进k均值聚类算法。实验结果表明,在UCI(University of California Irvine)的4类数据集上,所提算法相比于传统的k均值聚类算法,获得了更好的聚类效果,其分类准确度平均提高10%左右,且算法较为稳定。     

改进灰狼优化算法辨识光伏模型参数

针对标准智能优化算法辨识光伏(photovoltaic,PV)模型参数时存在准确度低、可靠性差和易出现早熟收敛的缺点,提出了一种改进的灰狼优化(improved grey wolf optimizer,IGWO)算法用于辨识PV模型参数。利用S型曲线的特点设计了一种基于S型函数的非线性调整控制参数a策略,以平衡算法的全局勘探和局部开采能力;以一定概率对当前最优决策层个体执行反向学习策略,帮助群体跳出局部最优。选取4个复杂函数测试IGWO算法的性能,利用实际光伏模型测量数据对IGWO算法进行检验。结果表明,IGWO算法相比其他算法,能更准确且稳定地辨识PV模型参数。     

一种混合策略改进的灰狼优化算法

为了改善传统灰狼优化算法初始种群不均匀、收敛速度慢和易陷入局部寻优的缺点,提出一种混合策略改进的灰狼优化算法.首先,基于反向学习策略生成多样化种群,为算法全局搜索奠定基础;然后,引入非线性调整策略平衡算法的全局和局部搜索能力,提升算法运行效率;最后,在位置更新中引入莱维飞行策略扩大搜索范围,增强算法全局搜索能力.通过1...     

基于收敛因子非线性动态变化的灰狼优化算法

针对基本灰狼优化(grey wolf optimization,GWO)算法在解决高维数值优化问题时存在易陷入局部最优、收敛速度慢等缺点,提出一种基于收敛因子非线性动态变化的改进GWO(IGWO)算法。该算法首先利用混沌初始化生成初始种群,以提高初始灰狼个体的质量;然后,通过引入指数函数对GWO算法的收敛因子更新公式进行改进,在进化过程中,收敛因子的大小随迭代次数的增加非线性动态变化,以协调算法的探索能力和开发能力;最后,对当前最优灰狼个体执行混沌扰动,以避免算法出现早熟收敛。对9个典型的测试函数进行了测试,实验结果表明:与基本GWO算法相比,IGWO算法具有更好的寻优性能。     

基于灰狼算法的车辆配送物流路径优化研究

为了实现农产品物流配送车辆路径的合理优化,降低物流配送成本和提高消费者满意度,提出一种基于灰狼优化算法的多目标农产品物流配送车辆路径优化模型。选择物流配送成本最低和路径最短为目标函数,将灰狼位置编码为车辆编号和车辆路径顺序,通过灰狼优化算法实现多目标农产品物流配送车辆路径的最优规划。研究结果表明,与PSO和GA相比,在行驶里程和平均行驶成本方面,GWO的成本最低且行驶里程最少。     

基于灰狼优化的模糊C-均值聚类算法

针对模糊C-均值聚类算法(FCM)存在易受初始聚类中心影响和容易陷入局部最优的问题,提出了一种将灰狼优化算法(GWO)和模糊C-均值相结合的新聚类算法（GWO-FCM）。该算法利用GWO算法强大的全局寻优能力对FCM算法的聚类中心进行优化,模拟灰狼优秀的搜寻猎物行为找到一组最佳聚类中心来提高FCM的聚类效果。通过UCI数据集的仿真结果和算法比较验证了该算法的有效性。