基于当前极值高斯扰动的改进布谷鸟算法

针对布谷鸟算法(Cuckoo Search,简称CS)收敛速度不够快、求解精度不够高等问题,给出基于当前极值高斯扰动的改进布谷鸟算法(GCS)。并用5个典型的测试函数对GCS、CS、DGCS、CCS和ICS的性能进行对比,仿真实验结果显示GCS比其他四种算法有更快的收敛速度与更高的求解精度。     

基于动态分组与高斯扰动的改进布谷鸟算法

【目的】针对原有布谷鸟算法在求解最优化问题时的不足，提出一种基于动态分组与高斯扰动的改进布谷鸟搜索算法(Gaussian perturbating and dynamic grouping for cuckoo search，GPDGCS)。【方法】GPDGCS算法在原有布谷鸟算法的求解过程中应用了高斯扰动与动态分组策略。【结果】通过6个典型的测试函数对GPDGCS算法进行仿真实验，结果表明GPDGCS算法比原有布谷鸟算法有更高的收敛速度、求解精度等。【结论】GPDGCS算法在一定程度上可避免算法陷入局部最优。
     

基于动态分组与高斯扰动的改进布谷鸟算法

【目的】针对原有布谷鸟算法在求解最优化问题时的不足,提出一种基于动态分组与高斯扰动的改进布谷鸟搜索算法(Gaussian perturbating and dynamic grouping for cuckoo search,GPDGCS)。【方法】GPDGCS算法在原有布谷鸟算法的求解过程中应用了高斯扰动与动态分组策略。【结果】通过6个典型的测试函数对GPDGCS算法进行仿真实验,结果表明GPDGCS算法比原有布谷鸟算法有更高的收敛速度、求解精度等。【结论】GPDGCS算法在一定程度上可避免算法陷入局部最优。