动态适应布谷鸟搜索算法

《动态适应布谷鸟搜索算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、Seediscussions,stats,andauthorprofilesforthispublicationat:https://www.researchgate.net/publication/288727862DynamicadaptationcuckoosearchalgorithmArticleinKongzhiyuJuece/ControlandDecision·April2014CITATIONSREADS10953authors,including:Yong-WeiZhangJiangsuUniversityofScienceandTechnology9PUBLI

2、CATIONS53CITATIONSSEEPROFILESomeoftheauthorsofthispublicationarealsoworkingontheserelatedprojects:e-govermentViewprojectAllcontentfollowingthispagewasuploadedbyYong-WeiZhangon11December2017.Theuserhasrequestedenhancementofthedownloadedfile.第29卷第4期控制与决策2014年4月Vol.29No.4ControlandDecisionApr.201

3、4文章编号:1001-0920(2014)04-0617-06DOI:10.13195/j.kzyjc.2012.1815动态适应布谷鸟搜索算法张永韡,汪镭,吴启迪(同济大学电子与信息工程学院，上海201804)摘要:介绍一种新的生物启发算法布谷鸟搜索(CS)及其相关的Levy´飞行搜索机制.为了进一步提高算法的适应性,将反馈引入算法框架,建立了CS算法参数的闭环控制系统.将Rechenberg的1/5法则作为进化的评价指标,引入学习因子平衡种群的多样性和集中性,提出动态适应布谷鸟算法(DACS).最后,通过数值实验验证了所提出算法的有效性.关键词:布谷鸟算法；Levy´飞行；动态

4、适应；反馈控制中图分类号:TP399文献标志码:ADynamicadaptationcuckoosearchalgorithmZHANGYong-wei,WANGLei,WUQi-di(SchoolofElectronicsandInformationEngineering，TongjiUniversity，Shanghai201804，China．Correspondent:ZHANGYong-wei，E-mail：yongwzhang@gmail.com)Abstract:Anovelbio-inspiredalgorithm,cuckoosearch(CS),isintrod

5、ucedalongwiththerelatedLevyflightmechanism.´Inordertoimprovetheadaptationofthisalgorithm,afeedbackcontrolschemeofalgorithmparametersisadoptedinCS.ByutilizingRechenberg’s1/5criteriatoevaluateevolutionprocess,andintroducingthelearningfactor,thediversificationandintensificationofpopulationarewellbal

6、anced.Thedynamicadaptationcuckoosearch(DACS)algorithmisproposed.Finally,numericalexperimentresultsshowtheeffectivenessoftheproposedalgorithm.Keywords:cuckoosearch；Levyflight´；dynamicadaptation；feedbackcontrol0引引引言言言算法应用于前馈神经网络训练;文献[6]将一种混合布谷鸟搜索(CS)是由Yang等[1]于2009年提出CS算法应用于流水车间调度问题求解;文献[7]将集的一种新

7、兴生物启发算法.CS算法通过模拟某些种成了模糊系统的混合CS算法应用于机组组合问题;属布谷鸟的寄生育雏习性有效地求解最优化问题.本文献[8]通过对种群分组,并根据搜索的不同阶段对文在CS算法中引入Levy´飞行来刻画布谷鸟的觅食搜索步长进行预先设置,提出了改进动态布谷鸟搜索动态,使算法探索解空间的性能更高,并能灵活地跳(MACS)算法,提高了CS算法的性能.然而,现有的针出局部极值.CS算法的结构十分简单,控制参数较少,对算法适应性的改进均是在运行前确定的,并不能动且