改进布谷鸟算法及其应用

发布时间：2021-08-02 22:03

　　布谷鸟搜索算法（Cuckoo search algorithm,简称CS算法）的出现是根据仿生学原理,是一种基于布谷鸟生物学行为的启发式智能优化算法,其特点为简明易行、设置参数少等,在求解最优化问题时相比于其他启发式智能优化算法时更简单易行。本文在CS算法原有的基础上引入动态自适应步长控制量以及分段加权位置更新公式,给出一类改进的CS算法,用以协调CS算法局部搜索与全局搜索的问题,加快后期的收敛速度。通过测试函数,与CS算法进行数据对比,研究数据显示,该算法具有良好的运算结果。并结合罚函数思想,提出一种可解决含约束条件的优化问题的改进的CS算法。通过经典约束优化问题和结构优化设计问题对改进算法进行验证。研究结果表明,相对于其他算法,该算法对以上大部分问题具有较好的运算结果。其次,本文通过变分原理,将微分方程问题转变为泛函极值问题。并用改进的布谷鸟算法对其进行求解,所得的数值解与里茨方法进行对比。测试函数的数据表明,该算法对常微分边值解效果良好。 

【文章来源】：东北林业大学黑龙江省 211工程院校 教育部直属院校

【文章页数】：44 页

【学位级别】：硕士

【部分图文】：

图２－１列维飞行运动轨迹??２．１．２

２布谷鸟算法??图?２－４?Ｓｕｍ?Ｓｑｕａｒｅｓ?ｆｕｎｃｔｉｏｎ?仿真图??（０．２６?（＞ｃ２＋ｙ２）－０．４？?？?ｙ）??：ｖ?＾?ｙ??－５?＾??ｙ?ｘ??图?２－５?Ｍａｔｙａｓ?ｆｔｉｎｃｔｉｏｎ?仿真图??表２－１为三种测试函数的结果比较，图２－６、图２－７和图２－８分别为三种测试函数的??迭代曲线。纵坐标为目标函数，横坐标为迭代次数。??表２－１三种测试函数结果比较??测试函数?ｍ：￣最优值?最差值?平均值??ＴＴ￣￣￣￣＂?ＣＳ?０．００１１?０．０８１８?０．０２５６??Ｓｐｈｅｒｅ?ｆｕｎｃｔｉｏｎ?ＮＣＳ?５．６７Ｅ－１０９?３．７５Ｅ－１０７?１．３５Ｅ－１０７??ｐ?０?ＣＳ?０．００８８?０．１２４４?０．０３２７??Ｓｕｍ?Ｓｑｕａｒｅｓ?ｆｔｍｃｔ．ｏｎ?ＮＣＳ?１．８１Ｅ－１６８?５．６７Ｅ－１６４?７．６７Ｅ－１６５??ｗ?＾?ＣＳ?２．０９１９Ｅ－３２?１．４７２９Ｅ－２３?５．１８０９Ｅ－１０７??Ｍａｔｙａｓ?ｆｕｎｃｔｉｏｎ?ＮＣＳ?４．９４Ｅ－３２４?６．４２Ｅ－３２３?５．４３Ｅ－３２３????表２－１给出了三种函数的测试结果，通过表中数据可知，ＮＣＳ算法的求解结果优于ＣＳ??算法，证明了?ＮＣＳ算法的可行性和有效性。??＊?１０４??７１?＞?１?１?ｆ?■?■?Ｉ??１??５??４??３?？?－??２??１??°０?０．５?１?１．５?２?２．５??ｘ?１０４??图２－６?Ｓｐｈｅｒｅ?ｆｕｎｃｔｉｏｎ的寻优迭代曲线??－９?－??

?东北林业大学硕士学位论文???４５００｜?■?＇?＇?＇???４０００?？?－??３５００?■?－??３０００?■?－??２５００?？?＊??２０００?－??１５００?－?－??１０００?－?－??５００?？?＊??°０?０．５?１?１．５?２?２．５??ｘ?１０４??图２－６?Ｓｕｍ?Ｓｑｕａｒｅｓ?ｆｏｎｃｔｉｏｎ的寻优迭代曲线??０．５１?＇?＇?＇?＾???０．４５?？??０．４?－?＿??０．３５?？?＇??０．３?？?－??０．２５?■?■??０．２?－?－??０．１５??０．１?■??０．０５?■?－??°〇?０．５?１?１．５?２?２．５??Ｘ?１０＊??图２－７?Ｍａｔｙａｓ?ｆｕｎｃｔｉｏｎ的寻优迭代曲线??２．４本章小结??本章首先简要分析了布谷鸟的生物学行为模式和列维飞行，以及根据布谷鸟习性建??立的数学模型和ＣＳ算法基本原理。根据布谷鸟的生物学行为和列维飞行原理，进而详??细的分析了?ＣＳ算法的位置更新公式。针对ＣＳ算法易陷入局部搜索和后期收敛速度慢??的缺点，本文提出了一类动态自适应步长控制量，用以加快后期收敛速度。并引入了分??段加权位置更新公式，解决了局部搜索和全局搜索的协调问题。通过三个测试函数的数??据对比，证明了?ＮＣＳ算法性能要优于ＣＳ算法。??－１０－??


本文编号：3318356