基于逐维改进的自适应步长布谷鸟搜索算法

步长的选取对于布谷鸟搜索算法的收敛速度与运算结果的精度起着关键作用。提出了一种基于逐维改进的自适应步长布谷鸟搜索算法。首先,在原始自适应步长布谷鸟搜索算法中,当上一代鸟窝位置为最优位置时,步长不再更新,则简单修正原有的步长让其更新;其次,将逐维更新评价策略引入修正后的自适应步长布谷鸟搜索算法。实验结果表明,该算法不仅平衡了全局寻优能力和寻优精度之间的矛盾而且具有较好的收敛速度。     

基于动态平衡因子自适应步长的布谷鸟搜索算法

针对标准布谷鸟搜索算法依赖Lévy飞行的游走导致整个搜索过程步长具有随机性的问题,提出一种基于动态平衡因子自适应步长的布谷鸟搜索算法。通过对标准布谷鸟搜索算法中参数偏度动态自适应取值来实现算法对步长的动态自适应,同时引入动态平衡因子以调节全局适应度和当前迭代次数所占的比重,从而实现布谷鸟搜索算法收敛速度和搜索精度的平衡。测试仿真实验结果表明,与标准布谷鸟搜索算法相比,提出的算法收敛速度显著提升;与单纯依赖迭代次数自适应步长的布谷鸟算法相比,提出的算法避免了为追求收敛速度而造成的算法早熟现象。     

基于函数动态递减因子的布谷鸟算法

针对布谷鸟搜索算法存在收敛速度慢,求解精度低的缺陷,提出一种改进布谷鸟搜索(ICS)算法.将函数动态递减因子引入到步长和发现概率中,并对步长和发现概率进行自适应调整.测试结果表明,改进后的布谷鸟算法在收敛速度和求解精度方面均优于原始布谷鸟算法.     

自适应步长和发现概率的布谷鸟搜索算法

针对因参数设置为常数、个体参数设置相同而导致布谷鸟算法求解精度降低的问题,提出一种基于适应值分配的自适应步长和发现概率的布谷鸟搜索算法,进行仿真实验,并与其他改进算法进行对比研究。结果表明:自适应步长和发现概率的布谷鸟搜索算法提高了算法的计算精度,计算结果优于原始的布谷鸟算法;与其他改进的布谷鸟算法相比,具有较强的竞争性。     

基于自适应布谷鸟搜索算法的Tsallis熵阈值图像分割

针对现有图像分割算法中计算复杂度大的问题,提出一种基于自适应布谷鸟(adaptive cuckoo search,ACS)算法的Tsallis熵阈值图像分割方法,能够改善学习过程和收敛速度,减少分割时间.该方法使用Tsallis熵作为ACS的适应度函数值,实现无参数搜索过程,在搜索空间中使用当前位置的知识来自适应步长,最后使用ACS最大化Tsallis熵来获得最优阈值,得到分割图像.实验结果表明,该文方法能够有效实现图像分割,且分割时间低于粒子群优化算法、布谷鸟搜索算法和改进布谷鸟搜索算法,结构相似性(Structural Similarity, SSIM)和收敛成功率高于其他算法.     

求解非线性方程组的改进布谷鸟算法

将非线性方程组转化为无约束优化问题,采用改进的布谷鸟搜索算法对问题进行求解.用该方法对多个非线性方程组进行了求解,结果表明,改进的布谷鸟搜索算法可以避免获得局部最优解,提高了非线性方程组的求解精度和速度,而且性能优于对比算法.     

TFT-LCD制造cell阶段多目标绿色调度问题研究

针对薄膜晶体管液晶显示器(TFT-LCD)制造cell阶段的多目标绿色调度问题,构建了最小化最大完工时间、总能耗和总生产成本为目标的优化模型。采用基于机器和工序的两段式编码,使用在步长因子前加入动态系数的改进布谷鸟搜索算法,结合双元锦标赛和动态淘汰制,根据聚集距离法筛选Pareto最优解来获得Pareto最优解集,对TFT-LCD制造cell阶段多目标绿色调度问题进行求解。结果表明,改进布谷鸟搜索算法优于标准布谷鸟搜索算法和带精英策略的快速非支配排序遗传算法,可以提高TFT-LCD制造cell阶段多目标绿色调度问题的求解效率和质量。     

求解软时间窗装卸一体车辆路径问题的布谷鸟算法

带软时间窗的装卸一体车辆路径问题是组合优化中典型的NP-hard问题,针对标准布谷鸟搜索算法后期收敛速度慢,容易陷入局部最优的缺陷,提出了节约算法和随机概率混合的初始化改进策略以及动态发现概率和信息素导向变异机制的改进策略,通过标准测试函数对算法进行定量测试,证明了改进布谷鸟搜索算法的性能优势。将改进的算法应用于求解带软时间窗装卸一体的车辆路径问题,并与现有的优秀算法进行对比,验证了改进的布谷鸟搜索算法在实际工程领域的优越性。     

基于贪婪搜索和变异操作的布谷鸟算法

作为一种新型的生物启发式群体智能算法,布谷鸟算法模拟了布谷鸟生育雏鸟以及鸟类的Levy flights行为,是一种全局最优搜索算法,为了更好地提高算法对不同问题的适应能力,提出一种基于贪婪搜索和变异操作的布谷鸟(GMCS)算法.根据最优位置设计一种贪婪搜索策略,贪婪搜索策略和Levy flights随机游动搜索策略按概率交替进行,加强算法的局部探索能力;引入差分进化算法中的变异操作,提高算法跳出局部最优的能力;加入一个新的参数,根据收敛状态自适应地调整参数阈值以控制贪婪搜索策略和变异操作的执行次数.通过8个标准测试函数进行数值实验,实验结果表明,与部分改进的布谷鸟算法以及一些其他改进的演化算法相比,GMCS算法具有较好的收敛性能和适应能力,验证了改进后算法的有效性.     

基于CUDA和布谷鸟算法的SVM在工控入侵检测中的应用

为了提升SVM算法的分类速度和精度,提出了一种基于CUDA和布谷鸟搜索算法(CSA)的CCS-SVM (CUDA and Cuckoo Search based Support Vector Machine)算法。考虑到SVM算法在大规模数据下训练速度慢的缺点,利用基于CUDA的并行技术对SVM进行并行化。针对布谷鸟搜索算法寻优精度低和收敛速度慢的问题,提出了两点改进:第一,考虑了寻优过程中个体适应度对莱维飞行步长因子α的影响;第二,在偏好随机游动环节引入惯性权重。最后利用CCS-SVM算法对工控网络标准数据集进行入侵检测仿真实验,结果表明:该算法在保证入侵检测准确率的同时,检测速度提升了近3倍。     

基于改进麻雀搜索算法的最大指数熵分割方法

为了解决基本麻雀搜索算法(sparrow search algorithm,SSA) 依赖初始种群和求解精度不高的问题,提出一种基于Circle混沌映射和随机游走的改进的麻雀优化算法(improved sparrow optimization algorithm,CRSSA) 。该算法为了增强麻雀种群的多样性,在麻雀初始阶段引入混沌Circle 映射; 采用随机游走对最优麻雀进行扰动,使其在麻雀寻优后期,增强算法全局搜索能力,跳出局部最优。同时选取15个测试函数对其算法进行性能测试。结果表明：与原始的SSA 、蜉蝣算法(mayfly algorithm,MA) 、粒子群优化算法(particle swarm optimization algorithm,PSO) 、鲸鱼优化算法(whale optimization algorithm,WOA) 和灰狼优化算法(gray wolf optimization algorithm,GWO) 相比,改进的麻雀搜索算法具有寻优速度快、求解准确度高和鲁棒性强等优点。将该方法应用在多阈值图像分割中,通过对比不同算法的峰值信噪比(peak-to-signal ratio,PSNR)、结构相似性(structural similarity index,SSIM)、适应度函数值和运行时间性能指标,可有效解决多阈值分割问题,具有一定的工程应用价值。     

面向饲料加工的排产优化方法研究

为了提高饲料企业在成本和质量上的优势,需要采用更加科学的方法制定排产计划。首先根据饲料加工排产的特点构建了基于批量组织生产的排产模型;其次,针对布谷鸟搜索(cuckoo search,CS)算法收敛速度慢与局部搜索能力弱的问题,提出不同的改进策略形成改进CS算法求解了排产模型,改进算法运用NEH方法、Logistic混沌映射方法以及随机方法生成初始解,使用了动态改变步长的策略以平衡算法探索能力与开发能力,增加基于差分进化的交叉阶段以增强最优解的挖掘能力。采用改进CS算法,以最小化总流经时间为求解目标,在40个Taillard测试集实例和实际饲料排产数据上进行了实验,验证了改进CS算法的寻优能力。结果证明了改进CS算法在求解流水线式生产车间排产问题上的有效性。     

An improved Cuckoo search algorithm for multi-objective optimization

The recently proposed Cuckoo search algorithm is an evolutionary algorithm based on probability. It surpasses other algorithms in solving the multi-modal discontinuous and nonlinear problems. Searches made by it are very efficient because it adopts Levy flight to carry out random walks. This paper proposes an improved version of cuckoo search for multi-objective problems (IMOCS). Combined with nondominated sorting, crowding distance and Levy flights, elitism strategy is applied to improve the algorithm. Then numerical studies are conducted to compare the algorithm with DEMO and NSGA-II against some benchmark test functions. Result shows that our improved cuckoo search algorithm convergences rapidly and performs efficienly.     

一种面向三维感知的多媒体传感器网络覆盖增强算法

现存的多媒体传感器网络优化算法,都存在着容易陷入局部最优解的问题.布谷鸟算法利用长距离的搜索可以有效地跳出局部最优解,基于多媒体传感器网络三维感知模型,提出了改进布谷鸟搜索的覆盖增强算法,该算法通过引入精英机制、多维度优化和学习反馈策略来优化多媒体传感器节点的旋转角度以降低覆盖重叠,优化网络覆盖,这是首次利用改进布谷鸟搜索算法来优化网络覆盖.最后,利用仿真实验证明了该算法可以快速有效地优化网络覆盖.     

基于模拟退火布谷鸟算法的直流伺服系统静态摩擦参数辨识

针对非线性摩擦对直流伺服系统性能的影响,提出一种基于模拟退火布谷鸟算法提高摩擦参数辨识精度的方法。采用LuGre摩擦模型建立伺服系统静摩擦参数与力矩的关系表达式,并分析其稳态特性,以此构建参数辨识的目标函数。引入模拟退火中的Boltzmann选择机制,结合迭代全局最优值对布谷鸟算法发现概率的自适应性进行了增强,以改善算法的寻优效果,通过分析比较得知改进算法的时间复杂度与原算法一致。在相同摩擦参数设置下,改进布谷鸟算法的辨识精度优于传统方法,利用其辨识结果补偿伺服系统运行的非线性摩擦力矩,得到了良好的控制效果。实验结果表明,该方法可以使摩擦参数的辨识适应度值提高2~3个数量级,有效改善了系统的控制性能。     

高压大容量STATCOM逆变桥缓冲电路的优化设计

提出了一种基于改进布谷鸟搜索算法的缓冲电路优化方法。该方法依据缓冲电路的工作原理将优化设计目标设定为求解三个目标函数的问题,并通过计算关断过程中总损耗最小,进而求得各优化目标的值。最后,以ST1500GXH24型注入增强栅晶体管(IEGT)为例,在PSIM软件中进行仿真验证。结果表明,布谷鸟寻优算法搜索到的最优参数使功率器件表现出了良好的性能。     

基于路面识别的非线性悬架系统自适应控制

针对非线性悬架系统,基于多目标布谷优化和路面识别算法,研究不同路面等级下悬架非线性系统特性,实现根据路面等级调整控制参数的目的.首先建立四分之一车辆模型,选取电流为优化变量,簧载质量加速度和轮胎动行程为优化目标;然后利用布谷优化算法求取不同路面下悬架最优参数,并利用路面识别方法得到当前路面等级,结合悬架性能需求实现悬架在不同路面下自适应调节.仿真结果表明:1)控制算法可根据不同路面情况自适应调整悬架参数,提高系统性能;2)相比于传统粒子群优化方法(PSO),基于布谷优化算法得到的控制电流能提供更为理想的悬架系统性能.     

基于维度近邻关系扩散的改进粒子群优化算法

针对标准粒子群算法存在容易早熟及陷入局部最优等缺陷,提出了一种基于维度近邻关系扩散的改进粒子群优化算法.改进后的算法初始化时借鉴k-means对空间中粒子的维度进行聚类,聚类的标准为每个维度之间的欧氏距离,算法中将聚类得到的每个起始类视为一个家庭.家庭内部和外部分别进行迭代更新,结合智能单粒子优化算法的思想将粒子的更新速度划分为对应的家庭速度子矢量.粒子间交换记录的扩散和传播借鉴在线社会网络传播模型,在采纳信息的过程中不仅会考虑信息的价值,也会考虑其周围粒子状况.结合禁忌搜索优化算法,通过将该算法中的建立禁忌表、设定禁忌搜索长度和特赦准则等策略来避免重复搜索和改进算法的全局搜索性能,提高解的精确性.实验结果表明,改进后的算法有效解决了算法收敛速度慢、求解精度低等问题.