基于变化因子的布谷鸟搜索算法

发布时间：2021-03-17 16:03

　　最优化问题就是在特定的现实环境约束下,快速、准确地找到最优的解决方案,获得最佳的实践结果。在工程设计、能源分配和医疗应用等众多领域都面临最优化问题,而布谷鸟搜索算法（CS）具有参数少、易实现和效果好等优点,成为解决最优化问题的一种有效方法。该算法是模拟布谷鸟不断寻找优质宿主鸟巢的生活习性,来实现的一种寻优过程。但经典的布谷鸟搜索算法存在初始种群分布不均且质量不高、全局和局部搜索方式不能合理控制、种群多样性不易调节和重建鸟巢解质量不高问题,影响算法的求解精度和收敛速度性能。本文针对以上问题,提出了基于变化因子的布谷鸟搜索算法（CFCS）,该算法主要改进如下:（1）针对CS算法初始种群分布不均和质量不高的问题,提出了在初始鸟巢阶段引入拟蒙特卡罗方法对种群进行初始化。首先使用拟蒙特卡罗方法的Hammersley序列在划分的子空间中生成鸟巢,使得种群能够均匀地分布在搜索空间;然后根据适应度值将整个空间中的鸟巢位置进行排序,选择较优的鸟巢位置作为最初算法的初始种群,提高了初始种群的质量。（2）针对CS算法全局和局部搜索方式不能合理控制的问题,提出了在鸟巢更新迭代阶段使用变化因子的方法。首先根据迭... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

Hammersley序列生成100个点分布图

四种初始种群策略在二维三维空间中的对比图

Sphere函数图

【参考文献】：
期刊论文
[1]改进萤火虫算法及其在全局优化问题中的应用[J]. 刘畅,刘利强,张丽娜,YANG Xinshe.  哈尔滨工程大学学报. 2017(04)
[2]基于拟蒙特卡洛的K均值聚类中心初始化方法[J]. 庄瑞格,倪泽邦,刘学艺.  济南大学学报(自然科学版). 2017(01)
[3]一种拟随机初始化模拟退火粒子群算法[J]. 王杰,李慧慧,彭金柱.  郑州大学学报(理学版). 2016(03)
[4]一种基于拟蒙特卡罗法的骨干粒子群改进算法[J]. 朱雅敏,薛鹏翔.  北华大学学报(自然科学版). 2016(02)
[5]基于交叉算子的改进人工蜂群算法[J]. 王伟,龙文.  兰州理工大学学报. 2015(01)
[6]人工蜂群算法研究综述[J]. 秦全德,程适,李丽,史玉回.  智能系统学报. 2014(02)
[7]Parameter estimation for chaotic systems using the cuckoo search algorithm with an orthogonal learning method[J]. 李向涛,殷明浩.  Chinese Physics B. 2012(05)

博士论文
[1]一种新型的智能优化方法-人工鱼群算法[D]. 李晓磊.浙江大学 2003

硕士论文
[1]细菌觅食优化算法研究及其在图像检索中的应用[D]. 李博.西安电子科技大学 2014



本文编号：3087370