基于自适应精英蚁群算法的GM(1,1)预测模型

作者：李眩; 吴晓兵; 童百利

来源：吉林化工学院学报, 2022, 39(05): 94-100.

DOI：10.16039/j.cnki.cn22-1249.2022.05.019

• ACO算法
• 转移概率
• 适应度
• 信息素
• GM模型

在GM(1,1)预测模型中，发展系数a和灰色作用量b两参数对模型的预测精度有直接影响．在分析GM建模原理和参数对模型精度影响的基础上，提出了一种信息素浓度自适应调整的精英ACO算法与GM(1,1)融合预测模型，在不改变GM(1,1)模型表达形式前提下，使用了改进的ACO算法来求解模型的最优参数．试验结果表明:与传统的GM(1,1)模型相比，改进的ACO算法与GM(1,1)融合模型的预测精度在传统GM模型误差较大的情况下也能取得较好的预测效果，在适用性上比传统模型具有优越性，是提升模型精度一种新思路．同时也说明了运用自适应精英策略改进蚁群算法提升算法全局寻优能力是合理的、科学的．

• 单位
  铜陵职业技术学院