鳥群算法（BSA）作為一種新型的元啟發(fā)式群智能算法,存在易陷入局部最優(yōu)、收斂速度慢和求解精度低等問題。針對原鳥群算法在求解最優(yōu)化問題中的不足,提出一種基于動態(tài)慣性權(quán)重的鳥群優(yōu)化算法（DBSA）。該算法通過引入非線性動態(tài)慣性權(quán)重修正鳥群飛行間隔,平衡種群全局搜索與局部搜索能力;在模擬鳥群生產(chǎn)者覓食的過程中引入萊維飛行,替換原算法中生產(chǎn)者的覓食策略提高算法活力和有效性。實(shí)驗(yàn)表明改進(jìn)后的鳥群算法有效提高了算法的收斂速度和尋優(yōu)精度。 

【文章來源】：計(jì)算機(jī)應(yīng)用研究. 2019,36(05)北大核心CSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

DBSA算法流程3實(shí)驗(yàn)結(jié)果與分析

BSA算法尋優(yōu)誤差最大，PSO算法次之，DBSA算法尋優(yōu)精度最高;f7函數(shù)不僅系數(shù)復(fù)雜而且最優(yōu)解與m有關(guān)，BSA算法在m不同的三種情況下都不能找到最優(yōu)解;PSO的尋優(yōu)結(jié)果略優(yōu)于BSA算法;DBSA算法在三種情況下都能較好地找到最優(yōu)解，尋優(yōu)結(jié)果較BSA算法有顯著提高。根據(jù)表3的統(tǒng)計(jì)結(jié)果顯示，DBSA算法在這七個函數(shù)上的搜索能力顯著優(yōu)于BSA算法和PSO算法。3．2收斂性能比較圖3～12給出了BSA、DBSA和PSO三種算法函數(shù)適應(yīng)度隨迭代次數(shù)的變化曲線，從圖3可以看出，對于函數(shù)f1，DSA和BSA算法都能有較好的收斂趨勢，但DBSA算法較BSA算法收斂速度更快，PSO算法收斂最慢;從圖4～7可以看出，PSO和BSA算法對于f2～f4函數(shù)均不能有良好的收斂態(tài)勢，BSA算法的收斂狀態(tài)優(yōu)于PSO算法，改進(jìn)后的DBSA算法無論收斂速度和收斂穩(wěn)定性較BSA算法都有顯著提高且顯著優(yōu)于PSO算法。圖3算法收斂對比圖(f1)圖4算法收斂對比圖(f2d=6)圖5算法收斂對比圖(f2d=10)圖6算法收斂對比圖(f3)圖7算法收斂對比圖(f4)圖8算法收斂對比圖(f5)圖9算法收斂對比圖(f6)圖10算法收斂對比圖(f7m=5)圖11算法收斂對比圖(f7m=7)圖12算法收斂對比圖(f7m=10)從圖8～12可以看出BSA對于函數(shù)f5～f7均沒有較好的收斂態(tài)勢，不僅前期收斂速度慢而且后期不能保持穩(wěn)定，圖10雖能保持穩(wěn)定但不能找到全局最優(yōu)解，收斂狀態(tài)顯著劣于PSO和DBSA算法，相較與PSO算法，DBSA顯然有更好的收斂速度和穩(wěn)定狀態(tài)。綜上?

BSA算法尋優(yōu)誤差最大，PSO算法次之，DBSA算法尋優(yōu)精度最高;f7函數(shù)不僅系數(shù)復(fù)雜而且最優(yōu)解與m有關(guān)，BSA算法在m不同的三種情況下都不能找到最優(yōu)解;PSO的尋優(yōu)結(jié)果略優(yōu)于BSA算法;DBSA算法在三種情況下都能較好地找到最優(yōu)解，尋優(yōu)結(jié)果較BSA算法有顯著提高。根據(jù)表3的統(tǒng)計(jì)結(jié)果顯示，DBSA算法在這七個函數(shù)上的搜索能力顯著優(yōu)于BSA算法和PSO算法。3．2收斂性能比較圖3～12給出了BSA、DBSA和PSO三種算法函數(shù)適應(yīng)度隨迭代次數(shù)的變化曲線，從圖3可以看出，對于函數(shù)f1，DSA和BSA算法都能有較好的收斂趨勢，但DBSA算法較BSA算法收斂速度更快，PSO算法收斂最慢;從圖4～7可以看出，PSO和BSA算法對于f2～f4函數(shù)均不能有良好的收斂態(tài)勢，BSA算法的收斂狀態(tài)優(yōu)于PSO算法，改進(jìn)后的DBSA算法無論收斂速度和收斂穩(wěn)定性較BSA算法都有顯著提高且顯著優(yōu)于PSO算法。圖3算法收斂對比圖(f1)圖4算法收斂對比圖(f2d=6)圖5算法收斂對比圖(f2d=10)圖6算法收斂對比圖(f3)圖7算法收斂對比圖(f4)圖8算法收斂對比圖(f5)圖9算法收斂對比圖(f6)圖10算法收斂對比圖(f7m=5)圖11算法收斂對比圖(f7m=7)圖12算法收斂對比圖(f7m=10)從圖8～12可以看出BSA對于函數(shù)f5～f7均沒有較好的收斂態(tài)勢，不僅前期收斂速度慢而且后期不能保持穩(wěn)定，圖10雖能保持穩(wěn)定但不能找到全局最優(yōu)解，收斂狀態(tài)顯著劣于PSO和DBSA算法，相較與PSO算法，DBSA顯然有更好的收斂速度和穩(wěn)定狀態(tài)。綜上?

【參考文獻(xiàn)】：
期刊論文
[1]基于鳥群算法的SVM參數(shù)選擇[J]. 肖海軍,盧常景,何凡.  中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[2]求解柔性作業(yè)車間調(diào)度問題的鳥群算法[J]. 屈遲文,傅彥銘,羅明山,林承德,何偉.  計(jì)算機(jī)工程與應(yīng)用. 2018(17)
[3]基于萊維飛行的鳥群優(yōu)化算法[J]. 劉曉龍,寧芊,趙成萍,涂榫.  計(jì)算機(jī)測量與控制. 2016(12)
[4]改進(jìn)鳥群算法及其在梯級水庫優(yōu)化調(diào)度中的應(yīng)用[J]. 崔東文,金波.  三峽大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(06)
[5]鳥群算法-投影尋蹤回歸模型在多元變量年徑流預(yù)測中的應(yīng)用[J]. 崔東文,金波.  人民珠江. 2016(11)
[6]基于鳥群算法的微電網(wǎng)多目標(biāo)運(yùn)行優(yōu)化[J]. 曾嶒,彭春華,王奎,張艷偉,張明瀚.  電力系統(tǒng)保護(hù)與控制. 2016(13)
[7]萊維飛行與粒子群的混合搜索算法[J]. 牛海帆,宋衛(wèi)平,寧愛平.  太原科技大學(xué)學(xué)報(bào). 2016(01)
[8]基于萊維飛行的粒子群優(yōu)化算法[J]. 王慶喜,郭曉波.  計(jì)算機(jī)應(yīng)用研究. 2016(09)
[9]具有動態(tài)慣性權(quán)重的布谷鳥搜索算法[J]. 周歡,李煜.  智能系統(tǒng)學(xué)報(bào). 2015(04)



本文編號：3123998