基于混沌序列的自适应步长的布谷鸟算法

发布时间：2021-07-11 12:17

　　布谷鸟算法（CS）是一种新的寻优算法,该算法存在局部搜索能力差,收敛速度慢,收敛精度不高等问题。布谷鸟初始位置的选择具有较强的随机性,通过在布谷鸟的初始位置引入混沌序列,在鸟窝更新时,步长的选择可以防止算法陷入局部最优,故建立基于混沌序列自适应步长的布谷鸟算法,通过测试函数进行比较该算法（ASBCS）优于布谷鸟算法（CS）。 

【文章来源】：信息与电脑(理论版). 2019,(04)

【文章页数】：3 页

【部分图文】：

SphereFobj函数

改进的布谷鸟算法和原始布谷鸟算法（CS），需要在实验参数相同的前提下进行，在MATLAB2016操作平台中运用3个测试函数对算法进行验证。对于3个测试函数，种群的个数设置为n=8，最大迭代次数为500，扰动因子α=0.05，表1为测试函数。表1测试函数函数名称测试函数搜索空间Sphere()21niiifxx==∑x[-100,100]Salomon()()5x=1cos2πx+0.11fx+[-100,100]zakh()()()24227121212x=x+x+0.50.5f×x+x+×x+x[-10,10]测试函数的寻优曲线图如图1、图2、图3所示。图1SphereFobj函数图2Salomn函数图3Zakh函数观察实验图表可知算法中加入混沌序列和自适应步长，算法的收敛速度和初始位置的选择明显优于原始的布谷鸟算法。图1Sphere函数运用混沌序列选取初始位置后，初始位置的测试值明显优于原始的布谷鸟算法，收敛速度也比原始的布谷鸟算法快，优先达到最优值。图2Salomn函数的图像表明初始位置得到了很好的优化，同时收敛速度也加快了，优于原始的布谷鸟算法（CS）。图3Zakh函数，虽然没有图1效果明显，但是收敛速度明显加快。综上所述，改进的算法优于原始的布谷鸟算法。—42—

ê驮?疾脊饶袼惴ǎ–S），需要在实验参数相同的前提下进行，在MATLAB2016操作平台中运用3个测试函数对算法进行验证。对于3个测试函数，种群的个数设置为n=8，最大迭代次数为500，扰动因子α=0.05，表1为测试函数。表1测试函数函数名称测试函数搜索空间Sphere()21niiifxx==∑x[-100,100]Salomon()()5x=1cos2πx+0.11fx+[-100,100]zakh()()()24227121212x=x+x+0.50.5f×x+x+×x+x[-10,10]测试函数的寻优曲线图如图1、图2、图3所示。图1SphereFobj函数图2Salomn函数图3Zakh函数观察实验图表可知算法中加入混沌序列和自适应步长，算法的收敛速度和初始位置的选择明显优于原始的布谷鸟算法。图1Sphere函数运用混沌序列选取初始位置后，初始位置的测试值明显优于原始的布谷鸟算法，收敛速度也比原始的布谷鸟算法快，优先达到最优值。图2Salomn函数的图像表明初始位置得到了很好的优化，同时收敛速度也加快了，优于原始的布谷鸟算法（CS）。图3Zakh函数，虽然没有图1效果明显，但是收敛速度明显加快。综上所述，改进的算法优于原始的布谷鸟算法。—42—

【参考文献】：
期刊论文
[1]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)
[2]遗传算法综述[J]. 席裕庚,柴天佑,恽为民.  控制理论与应用. 1996(06)



本文编号：3278080