發(fā)布時(shí)間：2021-07-11 12:17

　　布谷鳥(niǎo)算法（CS）是一種新的尋優(yōu)算法,該算法存在局部搜索能力差,收斂速度慢,收斂精度不高等問(wèn)題。布谷鳥(niǎo)初始位置的選擇具有較強(qiáng)的隨機(jī)性,通過(guò)在布谷鳥(niǎo)的初始位置引入混沌序列,在鳥(niǎo)窩更新時(shí),步長(zhǎng)的選擇可以防止算法陷入局部最優(yōu),故建立基于混沌序列自適應(yīng)步長(zhǎng)的布谷鳥(niǎo)算法,通過(guò)測(cè)試函數(shù)進(jìn)行比較該算法（ASBCS）優(yōu)于布谷鳥(niǎo)算法（CS）。 

【文章來(lái)源】：信息與電腦(理論版). 2019,(04)

【文章頁(yè)數(shù)】：3 頁(yè)

【部分圖文】：

SphereFobj函數(shù)

改進(jìn)的布谷鳥(niǎo)算法和原始布谷鳥(niǎo)算法（CS），需要在實(shí)驗(yàn)參數(shù)相同的前提下進(jìn)行，在MATLAB2016操作平臺(tái)中運(yùn)用3個(gè)測(cè)試函數(shù)對(duì)算法進(jìn)行驗(yàn)證。對(duì)于3個(gè)測(cè)試函數(shù)，種群的個(gè)數(shù)設(shè)置為n=8，最大迭代次數(shù)為500，擾動(dòng)因子α=0.05，表1為測(cè)試函數(shù)。表1測(cè)試函數(shù)函數(shù)名稱測(cè)試函數(shù)搜索空間Sphere()21niiifxx==∑x[-100,100]Salomon()()5x=1cos2πx+0.11fx+[-100,100]zakh()()()24227121212x=x+x+0.50.5f×x+x+×x+x[-10,10]測(cè)試函數(shù)的尋優(yōu)曲線圖如圖1、圖2、圖3所示。圖1SphereFobj函數(shù)圖2Salomn函數(shù)圖3Zakh函數(shù)觀察實(shí)驗(yàn)圖表可知算法中加入混沌序列和自適應(yīng)步長(zhǎng)，算法的收斂速度和初始位置的選擇明顯優(yōu)于原始的布谷鳥(niǎo)算法。圖1Sphere函數(shù)運(yùn)用混沌序列選取初始位置后，初始位置的測(cè)試值明顯優(yōu)于原始的布谷鳥(niǎo)算法，收斂速度也比原始的布谷鳥(niǎo)算法快，優(yōu)先達(dá)到最優(yōu)值。圖2Salomn函數(shù)的圖像表明初始位置得到了很好的優(yōu)化，同時(shí)收斂速度也加快了，優(yōu)于原始的布谷鳥(niǎo)算法（CS）。圖3Zakh函數(shù)，雖然沒(méi)有圖1效果明顯，但是收斂速度明顯加快。綜上所述，改進(jìn)的算法優(yōu)于原始的布谷鳥(niǎo)算法�！�42—

ê馱?疾脊饒袼惴ǎ–S），需要在實(shí)驗(yàn)參數(shù)相同的前提下進(jìn)行，在MATLAB2016操作平臺(tái)中運(yùn)用3個(gè)測(cè)試函數(shù)對(duì)算法進(jìn)行驗(yàn)證。對(duì)于3個(gè)測(cè)試函數(shù)，種群的個(gè)數(shù)設(shè)置為n=8，最大迭代次數(shù)為500，擾動(dòng)因子α=0.05，表1為測(cè)試函數(shù)。表1測(cè)試函數(shù)函數(shù)名稱測(cè)試函數(shù)搜索空間Sphere()21niiifxx==∑x[-100,100]Salomon()()5x=1cos2πx+0.11fx+[-100,100]zakh()()()24227121212x=x+x+0.50.5f×x+x+×x+x[-10,10]測(cè)試函數(shù)的尋優(yōu)曲線圖如圖1、圖2、圖3所示。圖1SphereFobj函數(shù)圖2Salomn函數(shù)圖3Zakh函數(shù)觀察實(shí)驗(yàn)圖表可知算法中加入混沌序列和自適應(yīng)步長(zhǎng)，算法的收斂速度和初始位置的選擇明顯優(yōu)于原始的布谷鳥(niǎo)算法。圖1Sphere函數(shù)運(yùn)用混沌序列選取初始位置后，初始位置的測(cè)試值明顯優(yōu)于原始的布谷鳥(niǎo)算法，收斂速度也比原始的布谷鳥(niǎo)算法快，優(yōu)先達(dá)到最優(yōu)值。圖2Salomn函數(shù)的圖像表明初始位置得到了很好的優(yōu)化，同時(shí)收斂速度也加快了，優(yōu)于原始的布谷鳥(niǎo)算法（CS）。圖3Zakh函數(shù)，雖然沒(méi)有圖1效果明顯，但是收斂速度明顯加快。綜上所述，改進(jìn)的算法優(yōu)于原始的布谷鳥(niǎo)算法�！�42—

【參考文獻(xiàn)】：
期刊論文
[1]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)
[2]遺傳算法綜述[J]. 席裕庚,柴天佑,惲為民.  控制理論與應(yīng)用. 1996(06)



本文編號(hào)：3278080