[布谷鸟算法开题报告.docVIP

xxx大学 毕业论文开题报告 题 目 布谷鸟算法的研究 系 部 计算机科学学院 专 业 计算机科学与技术 学生姓名 学号 指导教师 职称 毕设地点 xxx大学计算机科学学院计算机科学与技术专业 本科 ? 毕业论文（设计）开题报告 学生姓名 学 号 论文(设计)题目 布谷鸟算法的研究 选题的意义： 在计算机自动控制领域中, 控制和优化始终是两个重要问题。使用计算机进行控制和优化本质上都表现为对信息的某种处理。随着问题规模的日益庞大, 特性上的非线性及不确定性等使得难以建立精确的“数学模型”。人们从生命科学和仿生学中受到启发, 提出了许多智能优化方法, 为解决复杂优化问题(NP- hard 问题) 提供了新途径。20世纪后期,启发式智能算法脱颖而出,如遗传算法、蚁群算法、粒子群算法等,它们都是通过模拟生物的行为或自然界的现象来解决优化问题，是计算机算法设计和分析领域的研究热点之一。随着模拟生物行为的不断发展2009年,由剑桥大学的YANG Xin-she和DEB Suash在布谷鸟寻窝产卵的行为中，发现了一种新的搜索算法———Cuckoo Search算法(CS)。由于这种算法简单、高效、随机搜索路径优,并成功的应用于工程优化等实际问题中，成为启发式智能算法领域的一个新亮点。但CS算法也存在着搜索活力不足，搜索速度偏慢的缺点。针对该缺点，本文在研究基本CS算法的基础上,提出了基于高斯扰动的布谷鸟搜索算法(GCS)。基本CS算法在自然界中，布谷鸟寻找适合自己产卵的鸟窝位置是随机的或是类似随机的方式，为了模拟布谷鸟寻窝的方式，首先,需要设定以下3个理想的状态： (1)布谷鸟一次只产一个卵，并随机选择鸟窝来孵化它；(2)在随机选择的一组鸟窝中，最好的鸟窝将会被保留到下一代；(3)可利用的鸟窝数量n是固定的，一个鸟窝的主人能发现一个外来鸟蛋的概率Pa。 研究综述 1．基本 CS 算法 在自然界中，布谷鸟寻找适合自己产卵的鸟窝位置是随机的或是类似随机的方式 ，为了模拟布谷鸟寻窝的方式。首先，需要设定以下3个理想的状态 ： （1）布谷鸟一次只产一个卵，并随机选择鸟窝来孵化它； （2）在随机选择的一组鸟窝中，最好的鸟窝将会被保留到下一代； （3）可利用的鸟窝数量 n 是固定的，一个鸟窝的主人能发现一个外来鸟蛋的概率 p a ∈ ［0,1］。在这 3个理想状态的基础上，布谷鸟寻窝的路径和位置更新公式如下： Xi（t +1） = Xi（t） + α ⊕ L（λ），i = 1， 2，…, n． 其中 X i（t） 表示第i个鸟窝在第t代的鸟窝位置，⊕为点对点乘法，α表示步长控制量，L(λ)为 Levy 随机搜索路径，并且 L ～ u = t－λ，（1 ＜ λ ≤ 3）。通过位置更新后，用随机数 r∈［0，1］与 p a 对比，若r ＞ p a ，则对 Xi（t +1）进行随机改变，反之不变。最后保留测试值较好的一组鸟窝位置Yi（t +1），此时仍把Yi（t +1）记为Xi（t +1）。 2．GCS 算法 在CS算法的第t次迭代后得到了一组较优越的鸟窝位置 （ t） i2，GCS 算法是： 不让 x （i t） 直接进在 CS 算法的第 t 次迭代后得到了一组较优的鸟窝 i2，入下一次迭代，而是继续进行高斯扰动， x i 得到进一步搜索． 首先记 x i ， = 1， …n 组成的矩阵为： p t使 T= ［ 1 t） ，2 t） ， x （n t） ］ ， x （i t） 为 d 维向量， p t 为 d × n 阶矩阵，x （ x （ …，GCS 算法的具体操作是给 p t 加高斯扰动，设则 即 p t = p t + a  ε． 1） a其中 ε 是与 p t 同阶的随机矩阵， ij ～ N（ 0， ， 为常数， 表示点对点乘法，ε由于 ε 的随机取值范围较 大，容易带动鸟窝位置的活动范围偏离过大 ，所以，本文取 a = 1 /3 来控制 ε 的搜索范围，从而适度地增大 鸟窝位置的变化活力，得到合理 p t ，再与 p t 的中的每个鸟窝对比，保留测试值较好的鸟窝位置，从而得到 x （ t） x （ t） …，（ t） T此时为便于进入下一次迭代，仍将 p t 记为 p t = ［ 1 ，2 ， x n ］ ．更好的一组鸟窝位置 p t ， 2x5］ 例如，对给定的函数f（x）=x2，x∈[－5,5],随机取5个 鸟窝进行搜索，为直观地看出轨迹图