一种动态发现因子的布谷鸟算法.pdfVIP

一种动态发现因子的布谷鸟算法

王文，李江华，张涛

（铜陵职业技术学院信息工程系，安徽铜陵244062）

摘要：基本布谷鸟算法（CS）存在一些问题，例如，易陷入局部最优解、整体收敛精度需要进一步

提高，因此提出了一种动态发现因子的改进布谷鸟算法。该算法根据鸟巢位置的优劣，选择不同的发

现因子，对于被发现的较差位置的鸟巢采用最优解加随机向量差分法的方法来更新其位置。高维函数

的求解问题能够很好地说明算法的优劣性，通过4个典型的基准函数在高维情况下进行优化实验测试，

结果表明该算法具有较好的全局收敛能力，提高了优化精度。

关键词：布谷鸟算法；动态发现；优化

1概述巢会被留给下一代。

n

随着信息科学的发展，很多优化问题由低维度向高（3）鸟巢的总个数是固定不变的，一个鸟巢的主

P

维度甚至超高维度拓展，求解难度变得越来越大。传统的人有的概率能发现其鸟巢中的卵不是自己的。

a

d

优化算法（例如，共轭梯度法、线性搜索方法）对具有严在这3个假设下，布谷鸟在一个维（高维）的目

格数学条件限制的问题、及时性要求较高的问题或求解函标函数（基准函数）空间中采用Levy飞行模式进行寻

数不符合要求的优化问题难以求解。模仿自然界生物特征巢飞行路径和位置更新，更新公式如公式（1）所示：

的人工神经网络、进化机制和群体智能算法应运而生，其xt+1=xt+∝⊕Levy(λ)（1）

ii

中群智能算法作为一种新的模拟种群捕食或生活的优化算xt+1it+1xti

其中，为第个鸟巢在第代；为第个鸟巢在

ii

法，在处理复杂优化问题时，一般能够比传统的优化算法∝⊕

第代的位置；为步长控制量；为点对点乘法；

t

更快地搜索到全局最优解，具有参数设置简单、收敛速度Levy(λ)为Levy飞行随机自由搜索的跳跃路径，并且

快的优点，受到国内外学者的广泛关注。例如灰狼优化算Levy~u