基于布谷鸟搜索算法的最大似然DOA估计

为解决最大似然DOA(Direction of Arrival)估计多维非线性搜索计算量大的问题, 将布谷鸟搜索算法与最大似然算法相结合, 利用布谷鸟搜索算法优化多维非线性的最大似然DOA估计谱函数。在保留布谷鸟搜索算法的主体思想的同时, 改进了算法的位置迭代方式, 加快了收敛速度。仿真结果表明, 改进的布谷鸟搜索算法在DOA估计中具有较好的收敛性, 估计性能较好。     

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.     

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。     

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。     

求解连续函数优化的自适应布谷鸟搜索算法

为了提高布谷鸟搜索算法求解连续函数优化问题的性能,提出一种自适应布谷鸟搜索算法,改进算法利用解与当前最优解之间对应维上距离,实现随机游动步长的自适应调整。距离当前最优解对应维越远,维的随机游动步长越长,反之越短。利用解的适应度与群体平均适应度的关系自适应调整发现概率,使劣质解比优秀解更容易被淘汰。将自适应布谷鸟算法应用于8个典型测试函数,实验结果表明,改进算法有效改善求解连续函数优化问题的性能,尤其适合求解高维、多峰的复杂函数。与相关的布谷鸟搜索算法比较,自适应布谷鸟搜索算法更具竞争力。     

求解带时间窗车辆路径问题的混合智能算法

基于布谷鸟搜索算法和单亲遗传算法,设计了一种求解带时间窗车辆路径问题的混合智能算法.该算法首先对客户位置进行聚类分析,然后再进行各区域的路径优化.混合智能算法不仅改进了布谷鸟搜索算法中当鸟卵被鸟窝主人发现后需要随机改变整个鸟窝位置的操作,同时引入的单亲遗传算法加快了最优配送路线的搜索速度.分析和比较了混合智能算法与布谷鸟搜索算法的计算复杂度.最后采用国际通用标准测试集Benchmark Problems进行测试.结果显示,混合智能算法是求解带时间窗车辆路径问题的一种有效算法.     

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。     

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。     

一种协同进化布谷鸟搜索算法

为提高布谷鸟搜索算法的收敛速度和求精能力,在研究现代智能算法和启发式方法的基础上,提出协同进化布谷鸟搜索算法.分析Lévy Flight飞行搜索机制,将传统布谷鸟算法与粒子群算法相结合,提出基于粒子群算法的协同进化布谷鸟搜索算法.通过对典型非线性测试函数进行仿真测试,分析实验数据和收敛曲线,验证该算法的有效性和可行性.     

基于遗传算法的改进及在非线性方程组的应用研究

随着数学研究领域的不断拓展,现实中越来越多的问题需要通过建立数学模型来求解.由于各学科间交叉形成的数学模型中非线性方程问题日益增多,因此人们越来越重视对这个问题的研究.本文就非线性方程组的特性和相关理论,提出了对遗传算法进行改进,并根据仿真实验,论证了改进后的遗传算法在求解非线性方程组的优势.     

基于改进布谷鸟搜索算法的云计算资源调度

针对当前云计算资源调度方法存在的耗时长、开销大等难题,提出了改进布谷鸟搜索算法的云计算任务调度方法。首先对当前云计算资源调度研究现状进行分析,根据安全强度和用户需求分别赋予虚拟机和安全需求不同等级,其次采用改进布谷鸟搜索算法对云计算资源调度问题进行求解,最后在Cloud Sim平台上进行了仿真实验。结果证明,该文方法获得了理想的云计算资源调度方案,调度性能要优于其他云计算资源调度方法,验证了该文方法有效性和优越性。     

基于改进布谷鸟搜索算法的架桥机结构损伤识别

针对架桥机结构损伤的特点及布谷鸟搜索算法存在收敛速度慢、缺乏活力等问题,从动态发现概率、步长和莱维飞行三个方面对布谷鸟搜索算法进行了改进.以TLJ900型架桥机的主梁为研究对象,针对裂纹损伤,以固有频率和模态保证准则作为损伤检测的指标,用改进后的布谷鸟搜索算法对架桥机的结构进行了损伤识别.仿真结果表明:与其他智能优化算法相比,改进算法的收敛速度和全局寻优能力有明显的提升,能更准确的判断出架桥机结构损伤的位置和程度,故障识别精度更高.     

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。
     

一种布谷鸟-交叉熵混合优化算法及其性能仿真

为了提高布谷鸟搜索算法在求解复杂优化问题时的收敛速度和搜索精度,基于交叉熵方法,构建了一种新的布谷鸟-交叉熵混合优化算法.该算法将基于模型的交叉熵随机优化算法和基于种群的布谷鸟搜索进行有机融合,采用协同演化策略,既提升了混合算法收敛速度,又改善了其全局优化能力.对经典测试函数和PID控制器整定问题的仿真结果表明,新算法具有全局搜索能力强、求解精度高和鲁棒性好等特性,是一种求解复杂优化问题的可行和有效算法.     

基于求解非线性方程组的并行遗传算法的设计

作者将非线性方程组的数值求解问题转化为线性约束最优化问题,然后利用遗传算法求解该最优化问题。为防止遗传算法过早收敛,作者将遗传算法改进为自适应并行遗传算法.数值模拟实验表明,该文的算法从另一个角度为求解非线性方程组提供了一条比较有效的途径.     

一种改进的布谷鸟搜索移动信标节点定位方法

针对未知节点静止,信标节点移动方式下的无线传感器网络定位问题进行了研究。为进一步提高无线传感器网络节点的定位覆盖率,提出了一种基于改进布谷鸟搜索算法(AF-CS)的多移动信标节点定位算法。通过RSSI定位和DV-Hop算法获取未知节点坐标的粗略值,采用改进布谷鸟搜索算法迭代求解信标节点移动的目标位置,最后对未知节点进行重新定位。仿真结果表明:多移动信标节点定位算法可有效提高对未知节点的定位覆盖率;AF-CS算法对比原始布谷鸟搜索算法(CS)提高了目标函数定位覆盖率,加快了算法收敛速度。在网络拓扑结构变化时,该算法可通过信标节点移动保持对未知节点较高的定位覆盖率。     

Job-shop调度问题的离散布谷鸟搜索算法求解

在布谷鸟搜索算法的基础上,提出了一种基于升序排列的离散布谷鸟搜索算法(DCS),使用该算法求解Job-shop的经典LA问题.仿真数据显示,该算法在收敛速度、精度和稳定性方面都明显优于粒子群优化算法和萤火虫优化算法,显示出DCS算法的可行性和有效性.     

云系统负载均衡问题的优化求解

为了得到理想的云计算负载均衡结果,提出一种改进布谷鸟搜索算法的云计算负载均衡优化策略.分析了云计算负载均衡问题,建立了相应的数学模型,用鸟巢模拟云计算负载均衡问题的潜在解,并通过布谷鸟之间的交流和信息共享找到全局最佳鸟窝位置,即云计算负载均衡的最优方案,然后与粒子群算法进行了对比测试实验.实验结果表明,改进布谷鸟搜索算法可以得到理想的云计算负载均衡结果,提高了云计算资源的利用率,得到了比粒子群算法更优的解.     

双种群进化策略解奇异非线性方程组

鉴于传统优化算法在求解奇异非线性方程组中存在受初值选取是否合适的影响、收敛速度慢且容易陷入局部最优解等缺点,提出一种改进双种群进化策略求解奇异非线性方程组算法.首先把奇异非线性方程组转化为无约束优化问题,再求解无约束优化.该算法克服了传统算法不足,避免了大量的求导计算,算法收敛速度快、求解精度高、稳定性强.     

一种改进的和声搜索算法求解非线性互补问题

提出了一种计算非线性互补问题的新思路,利用NCP函数把非线性互补问题转化为一个非线性方程组,然后采用改进的和声搜索算法求解与之等价的无约束优化问题,从而得到原问题的解。对于唯一解的非线性互补问题,该方法能够收敛到其唯一解;对于具有多个解的非线性互补问题,该方法能够找到尽可能多的解。并且,该方法既适用于单调互补问题,也适用于非单调互补问题。