布谷鳥(niǎo)搜索算法（CS）是模仿布谷鳥(niǎo)的繁殖行為所建的一種元啟發(fā)式算法。這是一種新興啟發(fā)算法,通過(guò)模擬某些種屬布谷鳥(niǎo)的寄生育雛崽來(lái)有效地求解最優(yōu)化問(wèn)題。針對(duì)該算法計(jì)算精度不高,收斂速度慢,容易陷入局部最優(yōu)等缺陷,提出了一種基于自適應(yīng)步長(zhǎng)隨機(jī)擾動(dòng)的布谷鳥(niǎo)搜索算法（ASCS）。在增加鳥(niǎo)窩位置變化活力的基礎(chǔ)上,對(duì)鳥(niǎo)窩位置之間的距離引入自適應(yīng)的調(diào)整步長(zhǎng)因子,可以防止算法在運(yùn)行過(guò)程中陷入局部最優(yōu)。同時(shí)為了更大程度地提高鳥(niǎo)窩的計(jì)算精度與搜索速度,在尋找最優(yōu)鳥(niǎo)窩的時(shí)候增加一個(gè)擾動(dòng)因子,提高了算法的收斂速度。通過(guò)7個(gè)測(cè)試函數(shù)進(jìn)行仿真實(shí)驗(yàn),結(jié)果證明了該算法的可行性,其性能顯著優(yōu)于原始的布谷鳥(niǎo)算法。 

【文章來(lái)源】：計(jì)算機(jī)技術(shù)與發(fā)展. 2019,29(05)

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

Crownedcross函數(shù)的尋優(yōu)曲線

CS算法。圖2、圖3在Matyas、Sphere函數(shù)下，無(wú)論是初始值還是收斂速度以及迭代次數(shù)，改進(jìn)后的ASCS算法都優(yōu)于原始的CS算法。由圖4可以看出，在Multigaussian函數(shù)下雖然進(jìn)化過(guò)程中收斂速度比較緩慢，但是改進(jìn)后的ASCS算法比原始的CS算法能更快收斂。由于篇幅限制，Threehumpcamel、Zakh、Salomon函數(shù)沒(méi)有進(jìn)行展示，但是從收斂速度和迭代次數(shù)方面看，改進(jìn)后的布谷鳥(niǎo)算法更好。故改進(jìn)的ASCS算法性能優(yōu)于原始的CS算法。圖1Crownedcross函數(shù)的尋優(yōu)曲線圖2Matyas函數(shù)的尋優(yōu)曲線圖3Sphere函數(shù)的尋優(yōu)曲線圖4Multigaussian函數(shù)的尋優(yōu)曲線表2統(tǒng)計(jì)了兩種算法在7個(gè)標(biāo)準(zhǔn)的測(cè)試函數(shù)下計(jì)算的平均最優(yōu)值�？梢钥闯觯珻rownedcross函數(shù)在ASCS的平均最優(yōu)值比CS算法提高了4個(gè)點(diǎn)，而ASCS的最大值也比原始的CS值大，最小值也優(yōu)于原第5期葉亞榮等:基于隨機(jī)擾動(dòng)的自適應(yīng)布谷鳥(niǎo)算法·97·

3在Matyas、Sphere函數(shù)下，無(wú)論是初始值還是收斂速度以及迭代次數(shù)，改進(jìn)后的ASCS算法都優(yōu)于原始的CS算法。由圖4可以看出，在Multigaussian函數(shù)下雖然進(jìn)化過(guò)程中收斂速度比較緩慢，但是改進(jìn)后的ASCS算法比原始的CS算法能更快收斂。由于篇幅限制，Threehumpcamel、Zakh、Salomon函數(shù)沒(méi)有進(jìn)行展示，但是從收斂速度和迭代次數(shù)方面看，改進(jìn)后的布谷鳥(niǎo)算法更好。故改進(jìn)的ASCS算法性能優(yōu)于原始的CS算法。圖1Crownedcross函數(shù)的尋優(yōu)曲線圖2Matyas函數(shù)的尋優(yōu)曲線圖3Sphere函數(shù)的尋優(yōu)曲線圖4Multigaussian函數(shù)的尋優(yōu)曲線表2統(tǒng)計(jì)了兩種算法在7個(gè)標(biāo)準(zhǔn)的測(cè)試函數(shù)下計(jì)算的平均最優(yōu)值�？梢钥闯觯珻rownedcross函數(shù)在ASCS的平均最優(yōu)值比CS算法提高了4個(gè)點(diǎn)，而ASCS的最大值也比原始的CS值大，最小值也優(yōu)于原第5期葉亞榮等:基于隨機(jī)擾動(dòng)的自適應(yīng)布谷鳥(niǎo)算法·97·

【參考文獻(xiàn)】：
期刊論文
[1]基于混沌序列的布谷鳥(niǎo)算法改進(jìn)[J]. 宋慶慶,賀興時(shí),郭旭.  紡織高�；A(chǔ)科學(xué)學(xué)報(bào). 2017(03)
[2]基于動(dòng)態(tài)分組與高斯擾動(dòng)的改進(jìn)布谷鳥(niǎo)算法[J]. 薛益鴿,鄧輝文.  重慶師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[3]基于梯度的自適應(yīng)快速布谷鳥(niǎo)搜索算法[J]. 李榮雨,劉洋.  運(yùn)籌學(xué)學(xué)報(bào). 2016(03)
[4]粒子群優(yōu)化算法綜述[J]. 趙乃剛,鄧景順.  科技創(chuàng)新導(dǎo)報(bào). 2015(26)
[5]基于logistic模型的自適應(yīng)布谷鳥(niǎo)算法[J]. 陳華,張藝丹.  計(jì)算機(jī)工程與應(yīng)用. 2015(20)
[6]螢火蟲(chóng)算法的改進(jìn)分析及應(yīng)用[J]. 王吉權(quán),王福林.  計(jì)算機(jī)應(yīng)用. 2014(09)
[7]逐維改進(jìn)的布谷鳥(niǎo)搜索算法[J]. 王李進(jìn),尹義龍,鐘一文.  軟件學(xué)報(bào). 2013(11)
[8]一種自適應(yīng)步長(zhǎng)布谷鳥(niǎo)搜索算法[J]. 鄭洪清,周永權(quán).  計(jì)算機(jī)工程與應(yīng)用. 2013(10)
[9]基于高斯擾動(dòng)的布谷鳥(niǎo)搜索算法[J]. 王凡,賀興時(shí),王燕.  西安工程大學(xué)學(xué)報(bào). 2011(04)
[10]自適應(yīng)蟻群算法[J]. 張紀(jì)會(huì),高齊圣,徐心和.  控制理論與應(yīng)用. 2000(01)



本文編號(hào)：3115649