智能算法是受自然現(xiàn)象或生物社會行為啟發(fā)設(shè)計的解決問題的算法,也稱為啟發(fā)式算法。智能算法能夠在求解空間內(nèi)根據(jù)自身的隨機搜索策略向適應(yīng)值函數(shù)指導的方向進行最優(yōu)解的搜索,相對于傳統(tǒng)算法在解決復雜問題時更具優(yōu)勢,在很多領(lǐng)域都得到廣泛的應(yīng)用,引起高度關(guān)注。群體智能算法是智能算法的一種,是以生物群體社會性行為作為仿生原理,在具體實際問題的解決上具有很好的性能。布谷鳥搜索算法是一種新型的群體智能算法,布谷鳥算法因具有結(jié)構(gòu)簡單、參數(shù)較少、可操作性好的優(yōu)點而備受關(guān)注,為很多優(yōu)化問題的解決提供了可行性方法。本文選取布谷鳥搜索算法作為研究對象,對布谷鳥的相關(guān)研究與應(yīng)用作了論述,并進一步對布谷鳥搜索算法本身的研究和應(yīng)用進行了相關(guān)工作,具體來說有以下幾點:（1）對基本的布谷鳥算法原理和算法研究進行了分析與綜述。對基本的布谷鳥算法涉及參數(shù)進行了逐一分析,并對該算法的研究與應(yīng)用進行了分類概述,明確了該算法的原理與特點、研究趨勢與應(yīng)用層面,對該算法做了全面闡述;（2）對基本的布谷鳥算法提出同時在步長和發(fā)現(xiàn)概率兩個參數(shù)方面進行改進,平衡算法的全局搜索和局部搜索能力,提出基于自適應(yīng)步長的布谷鳥算法和基于自適應(yīng)步長和發(fā)現(xiàn)概... 

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 選題背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容
    1.4 組織結(jié)構(gòu)
    1.5 本章小結(jié)
第2章 相關(guān)理論基礎(chǔ)
    2.1 智能算法概述
    2.2 常見的智能算法
        2.2.1 蟻群算法
        2.2.2 人工蜂群算法
        2.2.3 粒子群算法
        2.2.4 遺傳算法
    2.3 聚類算法概述
        2.3.1 聚類的分類
        2.3.2 聚類相似度量方法
        2.3.4 聚類準則函數(shù)
        2.3.5 聚類有效性效果評價
    2.4 K-means聚類
        2.4.1 算法思想
        2.4.2 算法流程
        2.4.3 算法特點
    2.5 本章小結(jié)
第3章 布谷鳥算法研究綜述
    3.1 基本的布谷鳥算法
        3.1.1 算法原理
        3.1.2 算法描述
        3.1.3 算法特點
    3.2 參數(shù)分析
    3.3 算法改進
        3.3.1 算法本身
        3.3.2 算法融合
        3.3.3 算法運行
    3.4 算法應(yīng)用
    3.5 本章小結(jié)
第4章 基于自適應(yīng)的布谷鳥算法研究
    4.1 基本思想
    4.2 基于自適應(yīng)步長的布谷鳥算法
    4.3 基于自適應(yīng)步長和發(fā)現(xiàn)概率的布谷鳥算法
        4.3.1 步長α的改進
        4.3.2 發(fā)現(xiàn)概率P_α的改進
    4.4 實驗與分析
        4.4.1 算法尋優(yōu)值對比與分析
        4.4.2 算法收斂對比與分析
    4.5 改進的布谷鳥算法在PID中的應(yīng)用
        4.5.1 PID控制器參數(shù)優(yōu)化
        4.5.2 實驗與分析
    4.6 本章小結(jié)
第5章 改進布谷鳥算法在K-means算法中的應(yīng)用
    5.1 基本思想
        5.1.1 問題編碼
        5.1.2 最優(yōu)擾動策略
    5.2 算法描述
    5.3 實驗與分析
        5.3.1 實驗環(huán)境與參數(shù)的設(shè)定
        5.3.2 算法準確性
        5.3.3 算法收斂性
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 展望未來
參考文獻
在讀期間發(fā)表的學術(shù)論文及研究成果
致謝


【參考文獻】：
期刊論文
[1]基于定向變異布谷鳥算法的配送路徑問題[J]. 劉曉珍,劉景森.  計算機科學. 2019(07)
[2]聚類算法綜述[J]. 章永來,周耀鑒.  計算機應(yīng)用. 2019(07)
[3]基于混合并行布谷鳥搜索的作業(yè)調(diào)度算法[J]. 趙博穎,肖鵬,張力.  計算機工程與設(shè)計. 2019(03)
[4]基于蟻群算法優(yōu)化的布谷鳥搜索算法[J]. 張烈平,何佳潔,于滟琳,楊振宇,駱穎雄.  微電子學與計算機. 2018(12)
[5]發(fā)現(xiàn)概率參數(shù)自適應(yīng)調(diào)節(jié)的布谷鳥改進算法[J]. 賈涵,連曉峰.  計算機工程與應(yīng)用. 2018(22)
[6]布谷鳥搜索算法綜述[J]. 張曉鳳,王秀英.  計算機工程與應(yīng)用. 2018(18)
[7]基于模擬退火的自適應(yīng)離散型布谷鳥算法求解旅行商問題[J]. 張子成,韓偉,毛波.  電子學報. 2018(08)
[8]改進布谷鳥算法用于陣列天線方向圖優(yōu)化[J]. 梁爽,孫庚,劉衍珩.  西安電子科技大學學報. 2019(01)
[9]自適應(yīng)動態(tài)鄰域布谷鳥混合算法求解TSP問題[J]. 陳雷,張紅梅,張向利.  計算機工程與應(yīng)用. 2018(23)
[10]基于改進布谷鳥搜索算法的圖像分割[J]. 朱浩亮,李光平.  計算機工程與設(shè)計. 2018(05)

博士論文
[1]基于群智能優(yōu)化理論的聚類改進方法及應(yīng)用研究[D]. 周瑞紅.吉林大學 2017

碩士論文
[1]布谷鳥搜索算法的改進研究[D]. 馬燦.湖南大學 2017
[2]布谷鳥搜索改進的K-means聚類算法及其并行化實現(xiàn)[D]. 余相君.重慶大學 2017
[3]布谷鳥搜索算法的應(yīng)用研究與改進[D]. 范帥軍.西南交通大學 2016
[4]基于布谷鳥算法的K-means聚類挖掘算法研究[D]. 丁斌.合肥工業(yè)大學 2015



本文編號：3714126