基于协同进化布谷鸟搜索算法.docVIP

基于协同进化布谷鸟搜索算法 　　摘要：在布谷鸟搜索算法的基础上，通过引入协同进化策略，提出了一种协同进化布谷鸟搜索算法，该算法对高维函数优化问题采用分而治之的方式把高维问题分解为若干个低维问题，各低维问题协同进化。改进提升了算法的搜索能力，提高了算法的有效性 关键词：布谷鸟搜索算法；协同进化策略；维数灾难 中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2017）04-0233-02 Cuckoo Search Algorithm Based on Co-evolution WANG Qing-xi， ZHU Li-hua （School of Computer Science Information Engineering， Anyang Institute of Technology， Anyang 455000， China） Abstract： based on cuckoo search algorithm， we propose a collaborative cuckoo search algorithm by introducing the cooperative strategy， the algorithm solves the algorithm of high dimensional optimization problems using the way that the high dimensional problem is decomposed into several low dimensional problems， and the low dimensional problems co evolution. The improved algorithm improves the searching ability of the algorithm and improves the algorithm’s effectiveness. Key words： Cuckoo search algorithm； co-evolution strategy； Curse of dimensionality 1 背景 智能算法是一?N模仿自然界生物机理的算法，具有自学习、自组织和自适应性，其有效性被多为学者证明，并且遗传算法和粒子群优化算法已经被应用到在高维优化问题[1-2]。布谷鸟搜索算法从2009年Xin-She Yang开发出来以后，已经成功应用到多个领域[3-5]，布谷鸟搜索算法在求解低维优化问题时，通常高效可靠，但是在求解高维优化问题时，其优化效果大幅下降。因此本文引入协同进化策略，提出了优化高维问题的协同进化布谷鸟搜索算法 2 布谷鸟搜索算法 2.1 算法原理 布谷鸟的繁殖是具有侵略性的，它们把鸟蛋下到其他鸟类的鸟窝中，并且通过把其他鸟的鸟蛋移出鸟窝的方式提高自己后代的孵化概率[3]。另一方面，宿主鸟也进化出识别外来鸟蛋的能力，当其识别出外来鸟蛋时，会将外来鸟蛋推出鸟窝保证自己后代能够繁衍。因此布谷鸟在选择鸟窝时，会对鸟窝进行评估，如果感觉可能被宿主鸟发现的话，就会放弃当前鸟窝 研究显示[4]许多动物和昆虫的飞行路径是一种随机行走，因为下一步决定于两个因素：当前位置和到下一个位置的跃进概率，并且通过数学建模发现，其飞行行为呈现出莱维飞行的特点。莱维飞行是一种随机行走，其步长是根据重尾分布的概率分布，大量行走之后，从原来的随机游走的距离趋向于一个稳定的分布 2.2 算法描述 在布谷鸟搜索算法中，每一个鸟窝代表一个解决方案（解），每一个布谷鸟鸟蛋代表一个新的解决方案（新解）。布谷鸟搜索算法[5]采用新的比较好的解决方案代替一个鸟窝中不太好的解决方案，经过若干次的迭代后，找到最优的解决方案 在优化单目标问题时，每一个布谷鸟一次选择一个鸟窝下一个蛋；在迭代过程中，最好的鸟窝（解决方案）会被保留到一下代，而不好的鸟窝会被新的鸟蛋（解决方案）替代；宿主鸟窝数量是固定的，宿主鸟发现外来鸟的概率也是固定的，为了简单，该概率取值0.25 鸟窝位置更新公式： 其中[α]0表示步长，Levy表示莱维飞行，其值由莱维分布决定： 3 协同进化布谷鸟搜索算法 目前，大多数优化算法都是针对低维问题提出的，但是优化问题的规模和复杂度越来越大，解决低维优化问题的算法已经不能满足大规模高维度优化的需求 虽然原始布谷鸟搜索算法已经被广泛地应用于函数优化，但是对于高维函数，算法优化性能急剧下降。为了使用布谷鸟搜索算法求解高维函数优化，必须对高维函数问题进行降维处理，本文采用协同进化策略实现降维