改进的布谷鸟搜索算法及其应用研究计算机应用技术专业论文.docxVIP

独创性声明本人提交的学位论文是在导师指导下进行的研究工作及取得的研究成 独创性声明 本人提交的学位论文是在导师指导下进行的研究工作及取得的研究成 果。论文中引用他人已经发表或出版过的研究成果，文中已加了特别标注。 对本研究及学位论文撰写曾做出贡献的老师、朋友、同仁在文中作了明确 说明并表示衷心感谢。 学位论文作者： 蔷盖钨 签字日期： 劲心年y月呷日 学位论文版权使用授权书 本学位论文作者完全了解西南大学有关保留、使用学位论文的规定， 有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被 查阅和借阅。本人授权西南大学研究生院(筹)可以将学位论文的全部或 部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手 段保存、汇编学位论文。 (保密的学位论文在解密后适用本授权书，本论文：口不保密，口保 密期限至 年 月止)。 学位论文作者鲐霄互馅 导师签名：衫列够≯ 签字日期： 伽Jy年孓月q日 签字日期： 加，s年y月研日 万方数据 ㈣咖删帅舢㈣删删iY281 ㈣咖删帅舢㈣删删i Y281 2227 目 录 摘 要 I Abstract ．．II 第1章绪论 1 1．1引言 1 1．2布谷鸟算法研究现状 1 1．3论文主题工作及安排 2 第2章布谷鸟算法 5 2．1引言 5 2．2布谷鸟算法 6 2．3布谷鸟算法步骤 8 2．4布谷鸟算法的流程图 9 2．5本章小结 9 第3章动态分组方案的自适应布谷鸟算法 ．．10 3．1引言 ．．10 3．2布谷鸟算法步长控制向量动态调整策略 ．10 3．3动态分组方案的自适应布谷鸟算法伪代码 ．．11 3．4动态分组方案的自适应布谷鸟算法具体步骤 ．．11 3．5动态分组方案的自适应布谷鸟算法的流程图 ．12 3．6 DGCS算法与CS算法的仿真对比 13 3．6．1实验设计 一13 3．6．2实验结果分析 ．．16 3．7本章小结 ．18 第4章求解多模态函数优化的自适应小生境布谷鸟算法 一19 4．1引言 ．1 9 4．2多模态优化问题定义 ．19 4．3小生境技术 ．．20 4．4基于边界动态识别的小生境识别方法 一20 4．5抑制算子 ．．22 4．6逐维改进算子 一22 万方数据 4．7求解多模态函数优化的自适应小生境布谷鸟算法 4．7求解多模态函数优化的自适应小生境布谷鸟算法 ．．24 4．7．1求解多模态函数优化的自适应小生境布谷鸟算法原理 24 4．7．2求解多模态函数优化的自适应小生境布谷鸟算法伪代码 一24 4．7．3求解多模态函数优化的自适应小生境布谷鸟算法步骤 25 4．8仿真实验与结果分析 ．26 4．8．1算法主要参数的取值 26 4．8．2算法比较 ．．26 4．9本章小结 ．3 1 第5章总结与展望 一32 5．1全文研究成果总结 一32 5．2未来展望 ．．32 参考文献 33 致 谢 36 在学期间所发表的文章 37 万方数据 西南大学硕士学位论文 西南大学硕士学位论文 摘要 改进的布谷鸟搜索算法及其应用研究 计算机应用技术专业硕士研究生 薛益鸽 指导老师邓辉文教授 摘 要 布谷鸟搜索(cuckoo search，cs)算法是YANG xin．she和DEB suash于2009年给出的一 种新的智能优化算法，该算法具有参数少等优点，但还存在搜索速度不够快，计算精度不够高 等问题．本论文对原有布谷鸟搜索算法进行一些改进，并应用于求解函数优化问题。 本论文主要取得以下研究成果： 1．由于原有cs算法存在计算精度不够高，收敛速度不够等问题，我们在原有布谷鸟算法 的基础上利用步长控制向量动态分组策略动态调整步长控制向量给出一种动态分组方案的自 适应布谷鸟算法(DGCS)．利用四个经典测试函数对DGcS算法和cs算法的性能进行比较，实 验结果表明，DGCS算法有效地增加了种群的多样性，DGcS算法相对cs算法收敛速度更快， 计算精度更高． 2．针对布谷鸟算法的应用范围不够大和多模态优化问题的重要性，我们给出一种求解多 模态函数优化的自适应小生境布谷鸟算法．利用四个经典的测试函数比较求解多模态函数优 化的自适应小生境布谷鸟算法和其他几个经典算法的性能．最后实验证明了本文算法对于求解 多模态函数优化问题具有求解速度快，计算量较其他算法小等优点，本文算法在求解多模态 函数优化问题中取得了一定的效果． 关键字：布谷鸟算法； 小生境； 多模态； 自适应步长 万方数据 西南大学硕士学位论文 西南大学硕士学位论文 Abstract The ImproVed Cuckoo