一种改进的自适应惯性权重布谷鸟算法

发布时间：2021-05-11 05:45

　　针对经典的布谷鸟算法在后期寻优过程中存在速度慢、易陷入局部最优等问题,提出了一种改进的自适应惯性权重布谷鸟算法。该改进算法自适应调整发现概率,从而增加种群的多样性;并且将Lévy飞行中的步长因子调整为随迭代进程非线性递减,使得算法在前期能够扩大搜索范围,增强全局寻优能力,后期具有更强的局部开发能力;改进算法在偏好随机游动环节中引入由鸟窝位置适应度值决定的动态惯性权重,使得算法能够及时跳出局部最优。选取4个经典测试函数,将经典的布谷鸟算法CS、基于自适应机制的改进算法ICS-1以及改进的自适应惯性权重算法ICS-2这3种算法进行比较,测试结果表明,ICS-2算法比ICS-1算法、CS算法具有更快的收敛速度,更高的计算精度,且易跳出局部最优。 

【文章来源】：长江大学学报(自然科学版). 2019,16(07)

【文章页数】：7 页

【文章目录】：
1 布谷鸟搜索算法
2 改进的布谷鸟算法
    2.1 自适应参数pa
    2.2 自适应Lévy飞行
    2.3 动态惯性权重的偏好随机游动
    2.4 ICS-2算法步骤
3 测试
    3.1 试验设计
    3.2 试验结果与分析
4 结语


【参考文献】：
期刊论文
[1]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)
[2]基于粒子群算法的布谷鸟搜索算法[J]. 李娜,贺兴时.  纺织高校基础科学学报. 2014(03)
[3]自适应布谷鸟搜索算法[J]. 贺淼,阮奇,郑晓桂,黄艺玲,张龙.  计算机与应用化学. 2014(08)
[4]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)
[5]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)



本文编号：3180839