布谷鸟搜索算法的研究与应用
发布时间：2022-12-08 20:58
智能算法是受自然现象或生物社会行为启发设计的解决问题的算法,也称为启发式算法。智能算法能够在求解空间内根据自身的随机搜索策略向适应值函数指导的方向进行最优解的搜索,相对于传统算法在解决复杂问题时更具优势,在很多领域都得到广泛的应用,引起高度关注。群体智能算法是智能算法的一种,是以生物群体社会性行为作为仿生原理,在具体实际问题的解决上具有很好的性能。布谷鸟搜索算法是一种新型的群体智能算法,布谷鸟算法因具有结构简单、参数较少、可操作性好的优点而备受关注,为很多优化问题的解决提供了可行性方法。本文选取布谷鸟搜索算法作为研究对象,对布谷鸟的相关研究与应用作了论述,并进一步对布谷鸟搜索算法本身的研究和应用进行了相关工作,具体来说有以下几点:（1）对基本的布谷鸟算法原理和算法研究进行了分析与综述。对基本的布谷鸟算法涉及参数进行了逐一分析,并对该算法的研究与应用进行了分类概述,明确了该算法的原理与特点、研究趋势与应用层面,对该算法做了全面阐述;（2）对基本的布谷鸟算法提出同时在步长和发现概率两个参数方面进行改进,平衡算法的全局搜索和局部搜索能力,提出基于自适应步长的布谷鸟算法和基于自适应步长和发现概...
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 选题背景与意义
1.2 国内外研究现状
1.3 研究内容
1.4 组织结构
1.5 本章小结
第2章 相关理论基础
2.1 智能算法概述
2.2 常见的智能算法
2.2.1 蚁群算法
2.2.2 人工蜂群算法
2.2.3 粒子群算法
2.2.4 遗传算法
2.3 聚类算法概述
2.3.1 聚类的分类
2.3.2 聚类相似度量方法
2.3.4 聚类准则函数
2.3.5 聚类有效性效果评价
2.4 K-means聚类
2.4.1 算法思想
2.4.2 算法流程
2.4.3 算法特点
2.5 本章小结
第3章 布谷鸟算法研究综述
3.1 基本的布谷鸟算法
3.1.1 算法原理
3.1.2 算法描述
3.1.3 算法特点
3.2 参数分析
3.3 算法改进
3.3.1 算法本身
3.3.2 算法融合
3.3.3 算法运行
3.4 算法应用
3.5 本章小结
第4章 基于自适应的布谷鸟算法研究
4.1 基本思想
4.2 基于自适应步长的布谷鸟算法
4.3 基于自适应步长和发现概率的布谷鸟算法
4.3.1 步长α的改进
4.3.2 发现概率P_α的改进
4.4 实验与分析
4.4.1 算法寻优值对比与分析
4.4.2 算法收敛对比与分析
4.5 改进的布谷鸟算法在PID中的应用
4.5.1 PID控制器参数优化
4.5.2 实验与分析
4.6 本章小结
第5章 改进布谷鸟算法在K-means算法中的应用
5.1 基本思想
5.1.1 问题编码
5.1.2 最优扰动策略
5.2 算法描述
5.3 实验与分析
5.3.1 实验环境与参数的设定
5.3.2 算法准确性
5.3.3 算法收敛性
5.4 本章小结
第6章 总结与展望
6.1 本文总结
6.2 展望未来
参考文献
在读期间发表的学术论文及研究成果
致谢
【参考文献】：
期刊论文
[1]基于定向变异布谷鸟算法的配送路径问题[J]. 刘晓珍,刘景森. 计算机科学. 2019(07)
[2]聚类算法综述[J]. 章永来,周耀鉴. 计算机应用. 2019(07)
[3]基于混合并行布谷鸟搜索的作业调度算法[J]. 赵博颖,肖鹏,张力. 计算机工程与设计. 2019(03)
[4]基于蚁群算法优化的布谷鸟搜索算法[J]. 张烈平,何佳洁,于滟琳,杨振宇,骆颖雄. 微电子学与计算机. 2018(12)
[5]发现概率参数自适应调节的布谷鸟改进算法[J]. 贾涵,连晓峰. 计算机工程与应用. 2018(22)
[6]布谷鸟搜索算法综述[J]. 张晓凤,王秀英. 计算机工程与应用. 2018(18)
[7]基于模拟退火的自适应离散型布谷鸟算法求解旅行商问题[J]. 张子成,韩伟,毛波. 电子学报. 2018(08)
[8]改进布谷鸟算法用于阵列天线方向图优化[J]. 梁爽,孙庚,刘衍珩. 西安电子科技大学学报. 2019(01)
[9]自适应动态邻域布谷鸟混合算法求解TSP问题[J]. 陈雷,张红梅,张向利. 计算机工程与应用. 2018(23)
[10]基于改进布谷鸟搜索算法的图像分割[J]. 朱浩亮,李光平. 计算机工程与设计. 2018(05)
博士论文
[1]基于群智能优化理论的聚类改进方法及应用研究[D]. 周瑞红.吉林大学 2017
硕士论文
[1]布谷鸟搜索算法的改进研究[D]. 马灿.湖南大学 2017
[2]布谷鸟搜索改进的K-means聚类算法及其并行化实现[D]. 余相君.重庆大学 2017
[3]布谷鸟搜索算法的应用研究与改进[D]. 范帅军.西南交通大学 2016
[4]基于布谷鸟算法的K-means聚类挖掘算法研究[D]. 丁斌.合肥工业大学 2015
本文编号：3714126
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 选题背景与意义
1.2 国内外研究现状
1.3 研究内容
1.4 组织结构
1.5 本章小结
第2章 相关理论基础
2.1 智能算法概述
2.2 常见的智能算法
2.2.1 蚁群算法
2.2.2 人工蜂群算法
2.2.3 粒子群算法
2.2.4 遗传算法
2.3 聚类算法概述
2.3.1 聚类的分类
2.3.2 聚类相似度量方法
2.3.4 聚类准则函数
2.3.5 聚类有效性效果评价
2.4 K-means聚类
2.4.1 算法思想
2.4.2 算法流程
2.4.3 算法特点
2.5 本章小结
第3章 布谷鸟算法研究综述
3.1 基本的布谷鸟算法
3.1.1 算法原理
3.1.2 算法描述
3.1.3 算法特点
3.2 参数分析
3.3 算法改进
3.3.1 算法本身
3.3.2 算法融合
3.3.3 算法运行
3.4 算法应用
3.5 本章小结
第4章 基于自适应的布谷鸟算法研究
4.1 基本思想
4.2 基于自适应步长的布谷鸟算法
4.3 基于自适应步长和发现概率的布谷鸟算法
4.3.1 步长α的改进
4.3.2 发现概率P_α的改进
4.4 实验与分析
4.4.1 算法寻优值对比与分析
4.4.2 算法收敛对比与分析
4.5 改进的布谷鸟算法在PID中的应用
4.5.1 PID控制器参数优化
4.5.2 实验与分析
4.6 本章小结
第5章 改进布谷鸟算法在K-means算法中的应用
5.1 基本思想
5.1.1 问题编码
5.1.2 最优扰动策略
5.2 算法描述
5.3 实验与分析
5.3.1 实验环境与参数的设定
5.3.2 算法准确性
5.3.3 算法收敛性
5.4 本章小结
第6章 总结与展望
6.1 本文总结
6.2 展望未来
参考文献
在读期间发表的学术论文及研究成果
致谢
【参考文献】：
期刊论文
[1]基于定向变异布谷鸟算法的配送路径问题[J]. 刘晓珍,刘景森. 计算机科学. 2019(07)
[2]聚类算法综述[J]. 章永来,周耀鉴. 计算机应用. 2019(07)
[3]基于混合并行布谷鸟搜索的作业调度算法[J]. 赵博颖,肖鹏,张力. 计算机工程与设计. 2019(03)
[4]基于蚁群算法优化的布谷鸟搜索算法[J]. 张烈平,何佳洁,于滟琳,杨振宇,骆颖雄. 微电子学与计算机. 2018(12)
[5]发现概率参数自适应调节的布谷鸟改进算法[J]. 贾涵,连晓峰. 计算机工程与应用. 2018(22)
[6]布谷鸟搜索算法综述[J]. 张晓凤,王秀英. 计算机工程与应用. 2018(18)
[7]基于模拟退火的自适应离散型布谷鸟算法求解旅行商问题[J]. 张子成,韩伟,毛波. 电子学报. 2018(08)
[8]改进布谷鸟算法用于阵列天线方向图优化[J]. 梁爽,孙庚,刘衍珩. 西安电子科技大学学报. 2019(01)
[9]自适应动态邻域布谷鸟混合算法求解TSP问题[J]. 陈雷,张红梅,张向利. 计算机工程与应用. 2018(23)
[10]基于改进布谷鸟搜索算法的图像分割[J]. 朱浩亮,李光平. 计算机工程与设计. 2018(05)
博士论文
[1]基于群智能优化理论的聚类改进方法及应用研究[D]. 周瑞红.吉林大学 2017
硕士论文
[1]布谷鸟搜索算法的改进研究[D]. 马灿.湖南大学 2017
[2]布谷鸟搜索改进的K-means聚类算法及其并行化实现[D]. 余相君.重庆大学 2017
[3]布谷鸟搜索算法的应用研究与改进[D]. 范帅军.西南交通大学 2016
[4]基于布谷鸟算法的K-means聚类挖掘算法研究[D]. 丁斌.合肥工业大学 2015
本文编号：3714126
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3714126.html
