基于随机扰动的自适应布谷鸟算法

发布时间：2021-04-02 17:19

　　布谷鸟搜索算法（CS）是模仿布谷鸟的繁殖行为所建的一种元启发式算法。这是一种新兴启发算法,通过模拟某些种属布谷鸟的寄生育雏崽来有效地求解最优化问题。针对该算法计算精度不高,收敛速度慢,容易陷入局部最优等缺陷,提出了一种基于自适应步长随机扰动的布谷鸟搜索算法（ASCS）。在增加鸟窝位置变化活力的基础上,对鸟窝位置之间的距离引入自适应的调整步长因子,可以防止算法在运行过程中陷入局部最优。同时为了更大程度地提高鸟窝的计算精度与搜索速度,在寻找最优鸟窝的时候增加一个扰动因子,提高了算法的收敛速度。通过7个测试函数进行仿真实验,结果证明了该算法的可行性,其性能显著优于原始的布谷鸟算法。 

【文章来源】：计算机技术与发展. 2019,29(05)

【文章页数】：4 页

【部分图文】：

Crownedcross函数的寻优曲线

CS算法。图2、图3在Matyas、Sphere函数下，无论是初始值还是收敛速度以及迭代次数，改进后的ASCS算法都优于原始的CS算法。由图4可以看出，在Multigaussian函数下虽然进化过程中收敛速度比较缓慢，但是改进后的ASCS算法比原始的CS算法能更快收敛。由于篇幅限制，Threehumpcamel、Zakh、Salomon函数没有进行展示，但是从收敛速度和迭代次数方面看，改进后的布谷鸟算法更好。故改进的ASCS算法性能优于原始的CS算法。图1Crownedcross函数的寻优曲线图2Matyas函数的寻优曲线图3Sphere函数的寻优曲线图4Multigaussian函数的寻优曲线表2统计了两种算法在7个标准的测试函数下计算的平均最优值。可以看出，Crownedcross函数在ASCS的平均最优值比CS算法提高了4个点，而ASCS的最大值也比原始的CS值大，最小值也优于原第5期叶亚荣等:基于随机扰动的自适应布谷鸟算法·97·

3在Matyas、Sphere函数下，无论是初始值还是收敛速度以及迭代次数，改进后的ASCS算法都优于原始的CS算法。由图4可以看出，在Multigaussian函数下虽然进化过程中收敛速度比较缓慢，但是改进后的ASCS算法比原始的CS算法能更快收敛。由于篇幅限制，Threehumpcamel、Zakh、Salomon函数没有进行展示，但是从收敛速度和迭代次数方面看，改进后的布谷鸟算法更好。故改进的ASCS算法性能优于原始的CS算法。图1Crownedcross函数的寻优曲线图2Matyas函数的寻优曲线图3Sphere函数的寻优曲线图4Multigaussian函数的寻优曲线表2统计了两种算法在7个标准的测试函数下计算的平均最优值。可以看出，Crownedcross函数在ASCS的平均最优值比CS算法提高了4个点，而ASCS的最大值也比原始的CS值大，最小值也优于原第5期叶亚荣等:基于随机扰动的自适应布谷鸟算法·97·

【参考文献】：
期刊论文
[1]基于混沌序列的布谷鸟算法改进[J]. 宋庆庆,贺兴时,郭旭.  纺织高校基础科学学报. 2017(03)
[2]基于动态分组与高斯扰动的改进布谷鸟算法[J]. 薛益鸽,邓辉文.  重庆师范大学学报(自然科学版). 2018(02)
[3]基于梯度的自适应快速布谷鸟搜索算法[J]. 李荣雨,刘洋.  运筹学学报. 2016(03)
[4]粒子群优化算法综述[J]. 赵乃刚,邓景顺.  科技创新导报. 2015(26)
[5]基于logistic模型的自适应布谷鸟算法[J]. 陈华,张艺丹.  计算机工程与应用. 2015(20)
[6]萤火虫算法的改进分析及应用[J]. 王吉权,王福林.  计算机应用. 2014(09)
[7]逐维改进的布谷鸟搜索算法[J]. 王李进,尹义龙,钟一文.  软件学报. 2013(11)
[8]一种自适应步长布谷鸟搜索算法[J]. 郑洪清,周永权.  计算机工程与应用. 2013(10)
[9]基于高斯扰动的布谷鸟搜索算法[J]. 王凡,贺兴时,王燕.  西安工程大学学报. 2011(04)
[10]自适应蚁群算法[J]. 张纪会,高齐圣,徐心和.  控制理论与应用. 2000(01)



本文编号：3115649