針對烏鴉算法收斂速度慢、容易陷入局部最優(yōu)的問題,提出了一種具有自適應(yīng)步長的柯西變異烏鴉算法(Cauchy mutation crow search algorithm with adaptive step size,CMCSA),對標準烏鴉算法中兩種情況下的位置更新策略進行了改進。在每次迭代時,利用柯西變異優(yōu)化gbest來增強全局搜索能力和增大變異范圍,以提高種群多樣性,避免陷入局部最優(yōu);引入判別概率,在引導(dǎo)者發(fā)現(xiàn)自己被跟隨的情況下優(yōu)化當前個體的位置更新策略;根據(jù)當前位置和引導(dǎo)者之間的位置距離,自適應(yīng)地調(diào)整步長,使算法平穩(wěn)快速地收斂到全局最優(yōu),從而控制搜索速度和精度,有效彌補了標準CSA尋優(yōu)方式的盲目性和收斂速度慢的缺陷。為評價CMCSA算法的有效性,將其應(yīng)用于10個基本測試函數(shù)進行尋優(yōu)實驗,并與其他8種智能優(yōu)化算法進行比較。實驗結(jié)果表明,所提算法的平均收斂性和魯棒性都優(yōu)于其他算法,尋優(yōu)平均值和標準差的平均排名均為第一,總體性能良好。

【文章頁數(shù)】：8 頁

【文章目錄】：
1 引言
2 烏鴉搜索算法
3 具有自適應(yīng)步長的柯西變異烏鴉算法(CMCSA)
    3.1 全局最優(yōu)個體的柯西變異策略
    3.2 新的自適應(yīng)步長
    3.3 新的位置更新策略
    3.4 記憶矩陣更新
    3.5 帶柯西變異及自適應(yīng)步長的改進烏鴉算法的流程
4 實驗設(shè)置與結(jié)果分析
    4.1 參數(shù)設(shè)置
    4.2 基準函數(shù)
    4.3 收斂性分析
    4.4 尋優(yōu)成功率分析
    4.5 魯棒性分析
結(jié)束語



本文編號：3988297