發(fā)布時(shí)間：2023-05-22 05:15

　　在工程優(yōu)化中,大多問題是連續(xù)優(yōu)化問題,即函數(shù)優(yōu)化問題。針對布谷鳥算法求解函數(shù)優(yōu)化問題時(shí)存在的收斂速度慢、求解精度不高和易陷入局部最優(yōu)等問題,文中提出非線性慣性權(quán)重對數(shù)遞減和隨機(jī)調(diào)整發(fā)現(xiàn)概率的布谷鳥搜索算法(Cuc-koo Search Algorithm with Logarithmic Decline of Nonlinear Inertial Weights and Random Adjustment Discovery Probability,DWCS)。首先,在布谷鳥尋窩的路徑和位置更新公式中,設(shè)計(jì)一種隨進(jìn)化迭代次數(shù)非線性遞減的慣性權(quán)重來改進(jìn)鳥巢位置的更新方式,以協(xié)調(diào)布谷鳥算法的探索和開發(fā)能力;其次,引入隨機(jī)調(diào)整發(fā)現(xiàn)概率代替固定值發(fā)現(xiàn)概率,使較大和較小的發(fā)現(xiàn)概率隨機(jī)出現(xiàn),從而有利于平衡算法的全局探索和局部開發(fā)能力,加快算法收斂速度,增加種群多樣性;最后,分析對數(shù)遞減參數(shù)和隨機(jī)調(diào)整發(fā)現(xiàn)概率,選取對數(shù)遞減最佳參數(shù)組合和隨機(jī)調(diào)整發(fā)現(xiàn)概率的最佳取值范圍,此時(shí),函數(shù)的優(yōu)化效果最好。與BA,CS,PSO,ICS算法相比,所提算法極大地提高了尋優(yōu)精度,顯著地減少了迭代次數(shù),有效地提高了收斂速...

【文章頁數(shù)】：12 頁

【文章目錄】：
1 引言
2 基本布谷鳥算法
3 改進(jìn)的布谷鳥算法(DWCS)
    3.1 非線性慣性權(quán)重對數(shù)遞減策略
        (1)慣性權(quán)重線性遞減策略
        (2)模糊調(diào)整的自適應(yīng)慣性權(quán)重
        (3)隨機(jī)調(diào)整的慣性權(quán)重
        (4)非線性慣性權(quán)重遞減策略
            1)指數(shù)遞減的慣性權(quán)重
            2)高斯遞減的慣性權(quán)重
            3)對數(shù)遞減的慣性權(quán)重
    3.2 動(dòng)態(tài)慣性權(quán)重系數(shù)的變化范圍對函數(shù)優(yōu)化效果的影響
    3.3 隨機(jī)調(diào)整的發(fā)現(xiàn)概率策略
    3.4 DWCS算法的流程
4 仿真實(shí)驗(yàn)
    4.1 測試函數(shù)
        (1)Griewank函數(shù)
        (2)Rastrigin函數(shù)
        (3)Ackley函數(shù)
        (4)Schaffer函數(shù)
        (5)Sphere函數(shù)
        (6)Sum Squares函數(shù)
        (7)Zakharov函數(shù)
        (8)Schwefel’s problem 1.2函數(shù)
        (9)Schwefel’s problem 2.21函數(shù)
        (10)Schwefel’s problem 2.22 函數(shù)
        (11)Alpine函數(shù)
        (12)Goldstein-Price函數(shù)
        (13)Branin函數(shù)
        (14)Six-Hump Camel函數(shù)
        (15)Schaffer N.2函數(shù)
        (16)Easom’s函數(shù)
    4.2 測試環(huán)境和算法參數(shù)的確定
    4.3 算法比較
    4.4 收斂曲線分析



本文編號：3822076