具有动态步长和发现概率的布谷鸟搜索算法

发布时间：2021-11-20 00:39

　　为了进一步改善算法搜索过程中存在的求解精度偏低、收敛速度缓慢等现象,提出具有动态步长和发现概率的布谷鸟搜索算法。该算法通过引入步长调整因子动态约束每一代种群的莱维移动步长,使算法的莱维飞行机制具有自适应性。在发现概率上,使用具有均匀分布和F分布特性的随机惯性权重,改变发现概率的固定取值,加强种群的多样性,保持算法全局搜索、局部探索之间的平衡状态。通过实验证明,所提算法具有良好的可行性,其寻优结果、收敛速度均有提高。 

【文章来源】：系统仿真学报. 2020,32(02)北大核心CSCD

【文章页数】：10 页

【参考文献】：
期刊论文
[1]自适应步长布谷鸟搜索算法[J]. 李荣雨,戴睿闻.  计算机科学. 2017(05)
[2]基于种群特征反馈的布谷鸟搜索算法[J]. 贾云璐,刘胜,宋颖慧.  控制与决策. 2016(06)
[3]采用搜索趋化策略的布谷鸟全局优化算法[J]. 马卫,孙正兴.  电子学报. 2015(12)
[4]多目标布谷鸟搜索算法[J]. 贺兴时,李娜,杨新社,余兵.  系统仿真学报. 2015(04)
[5]蝙蝠算法收敛性分析[J]. 李枝勇,马良,张惠珍.  数学的实践与认识. 2013(12)
[6]新型元启发式布谷鸟搜索算法[J]. 李煜,马良.  系统工程. 2012(08)
[7]基于CS算法的Markov模型及收敛性分析[J]. 王凡,贺兴时,王燕,杨松铭.  计算机工程. 2012(11)
[8]马尔科夫链的粒子群优化算法全局收敛性分析[J]. 任子晖,王坚,高岳林.  控制理论与应用. 2011(04)
[9]粒子群优化算法的收敛性分析及其混沌改进算法[J]. 刘洪波,王秀坤,谭国真.  控制与决策. 2006(06)



本文编号：3506211