求解无约束优化问题的改进布谷鸟搜索算法

doi:10.3969/j.issn.1000-3428.2014.05.046

计算机工程

求解无约束优化问题的改进布谷鸟搜索算法

苏芙华^1a，刘云连^1b,2，伍铁斌^1b

(1. 湖南人文科技学院 a. 物理与电子信息系；b. 机电工程系，湖南娄底 417000； 2. 湖南科技大学信息与电气工程学院，湖南湘潭 411201)

收稿日期:2013-09-22 出版日期:2014-05-15 发布日期:2014-05-14
作者简介:苏芙华(1976－)，女，讲师、硕士，主研方向：智能控制，安全监测；刘云连，助教；伍铁斌(通讯作者)，讲师、博士研究生。
基金项目:
国家自然科学基金资助项目(61174113)；湖南省教育厅基金资助一般项目(13C433)；湖南省科技厅基金资助项目(2014GK3033, 2013FJ6073)。

Modified Cuckoo Search Algorithm for Solving Unconstrained Optimization Problem

SU Fu-hua ^1a, LIU Yun-lian ^1b,2, WU Tie-bin ^1b

(1a. Department of Physics and Electronic Information; 1b. Department of Electrical and Mechanical Engineering, Hunan University of Humanities, Science and Technology, Loudi 417000, China; 2. College of Information and Electrical Engineering, Hunan University of Science and Technology, Xiangtan 411201, China)

Received:2013-09-22 Online:2014-05-15 Published:2014-05-14

摘要/Abstract

摘要： 布谷鸟搜索算法是一种基于种群迭代搜索的全局优化算法。为求解无约束优化问题，提出一种改进的布谷鸟搜索算法。利用混沌序列构造初始种群以增加群体的多样性，引入动态随机局部搜索技术对当前最优解进行局部搜索，以加快算法的收敛速度。对4个标准测试函数进行仿真实验，并与其他6种算法进行比较，结果表明，该算法具有较强的全局搜索能力和较快的收敛速度。

关键词: 布谷鸟搜索算法, 无约束优化问题, 混沌, 动态随机局部搜索, 惯性权重, 多样性

Abstract: Cuckoo Search(CS) algorithm is proposed as a population-based optimization algorithm and it is so far successfully applied in a variety of fields. A modified CS algorithm is proposed for solving unconstrained optimization problems. Chaos sequence and dynamic random local search technique are introduced to enhance the optimization ability and to improve the convergence speed of CS algorithm. Through testing the performance of the proposed algorithm on a set of 4 benchmark functions and comparing with other six algorithms, simulation result shows that the proposed algorithm has great ability of global search and better convergence rate.

Key words: Cuckoo Search(CS) algorithm, unconstrained optimization problem, chaotic, dynamic random local search, inertia weight, diversity

中图分类号:

TP301.6

苏芙华，刘云连，伍铁斌. 求解无约束优化问题的改进布谷鸟搜索算法[J]. 计算机工程, doi: 10.3969/j.issn.1000-3428.2014.05.046.

SU Fu-hua, LIU Yun-lian, WU Tie-bin. Modified Cuckoo Search Algorithm for Solving Unconstrained Optimization Problem[J]. Computer Engineering, doi: 10.3969/j.issn.1000-3428.2014.05.046.

参考文献

(上接第227页) 参考文献 [1] Yang Xinshe, Deb S. Cuckoo Search via Lévy Flights[C]// Proc. of World Congress on Nature and Biologically Inspired Computing. [S. l.]: IEEE Press, 2009: 210-214. [2] Gandomt A H, Yang Xinshe, Alavi A H. Cuckoo Search Algorithm: A Meta-heuristic Approach to Solve Structural Optimization Problem[J]. Engineering with Computers, 2013, 29(1): 17-35. [3] Yang Xinshe, Deb S. Multi-objective Cuckoo Search for Design Optimization[J]. Computers & Operations Research, 2013, 40(6): 1616-1624. [4] Burnwal S, Deb S. Scheduling Optimization of Flexible Manu- facturing System Using Cuckoo Search-based Approach[J]. International Journal of Advanced Manufacturing Technology, 2013, 64(5): 951-959. [5] 柳新妮, 马苗. 布谷鸟搜索算法在多阈值图像分割中的应用[J]. 计算机工程, 2013, 39(7): 274-278. [6] 李向涛, 殷明浩. Parameter Estimation for Chaotic Systems Using the Cuckoo Search Algorithm with an Orthogonal Learning Method[J]. 中国物理B: 英文版, 2012, 21(5). [7] Zheng Hongqing, Zhou Yongquan. A Novel Cuckoo Search Optimization Algorithm Based on Gauss Distribution[J]. Journal of Computational Information Systems, 2012, 8(10): 4193-4200. [8] 杜利敏, 阮奇, 冯登科. 基于共轭梯度的布谷鸟搜索算法[J]. 计算机与应用化学, 2013, 30(4): 406-410. [9] Huapt R, Haupt S. Practical Genetic Algorithm[M]. [S. l.]: John Wiley & Sons, 2004. [10] 刘悦婷. 基于混沌和动态变异的蛙跳算法[J]. 计算机应用与软件, 2012, 29(12): 137-140. [11] Hamzacebi C. Improving Genetic Algorithms’ Performance by Local Search for Continuous Function Optimization[J]. Applied Mathematics and Computation, 2008, 196(1): 309- 317. [12] Ma Haiping. An Analysis of the Equilibrium of Migration Models for Biogeography-based Optimization[J]. Information Sciences, 2010, 180(18): 3444-3464. 编辑顾逸斐

[1]	杜学武, 张明新, 沙广涛, 伍秋玉. 基于改进蝙蝠算法的模糊PID规则优化研究[J]. 计算机工程, 2020, 46(8): 305-312.
[2]	周诗源, 王英林. 基于布谷鸟搜索优化算法的多文档摘要方法[J]. 计算机工程, 2020, 46(7): 58-64,71.
[3]	蔡延光, 乐冰, 蔡颢, 李旭阳. 暴雨天气下高速公路短时交通流预测[J]. 计算机工程, 2020, 46(6): 34-39.
[4]	龙浩, 张书奎, 张力. 群智感知中基于维诺单元的隐私保护方法[J]. 计算机工程, 2020, 46(5): 181-186,192.
[5]	杨晓梅, 郭文强, 张菊玲. 考虑多样性的深度神经网络结构搜索方法研究[J]. 计算机工程, 2020, 46(12): 105-112,133.
[6]	石优, 林琳, 吴岩. 基于布谷鸟搜索的模糊PID拥塞控制方法[J]. 计算机工程, 2020, 46(11): 238-245.
[7]	邵良杉, 兰亭洋, 李臣浩. 基于改进花朵授粉算法的极限学习机模型[J]. 计算机工程, 2019, 45(12): 281-288.
[8]	曹蕾. 基于快速响应码约束的光学图像加密算法[J]. 计算机工程, 2019, 45(1): 121-128.
[9]	张永,陈锋. 一种改进的鲸鱼优化算法 [J]. 计算机工程, 2018, 44(3): 208-213,219.
[10]	张新蜜,徐明. 基于无线多径信道参数的密钥生成方案[J]. 计算机工程, 2018, 44(2): 177-181.
[11]	王应军,傅建明,姜百合. 基于随机化参数名的跨站请求伪造防御方法[J]. 计算机工程, 2018, 44(11): 158-164.
[12]	方颂,王彦娴,谭阳. 分段线性混沌图最高有效位大容量图像加密算法[J]. 计算机工程, 2018, 44(11): 251-256,264.
[13]	陈超,宣士斌,雷红轩. 基于狼群算法与二维最大熵的图像分割[J]. 计算机工程, 2018, 44(1): 233-237.
[14]	谢国波,杨彬. 基于比特置乱的量子混沌图像加密算法[J]. 计算机工程, 2017, 43(7): 182-186,192.
[15]	江波,杜欣军,杨宇晓. 基于混沌粒子群优化的低截获概率编队通信方法[J]. 计算机工程, 2017, 43(12): 93-97.

求解无约束优化问题的改进布谷鸟搜索算法

Modified Cuckoo Search Algorithm for Solving Unconstrained Optimization Problem

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10