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。     

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。     

基于改进布谷鸟算法结合电导增量法的最大功率点追踪

动态遮阴下,光伏阵列的输出P-U曲线会出现多个功率极值点,传统最大功率点追踪会陷入局部最优.为此,提出基于自适应差分进化的改进布谷鸟搜索(improved cuckoo search,ICS)算法与电导增量法(incremental conductance,INC)相结合的复合算法(ICS-INC).该算法在前期提出自适应的抛弃概率和随机步长因子,结合差分变异进行随机偏好游走,使算法的搜索开发能力得到提升,有效跳出局部最优.通过改进Lévy飞行公式减小其随机性,减小算法的迭代次数来缩短跟踪时间,实现快速高效定位最大功率点区域,在后期由INC实现局部快速搜索,稳定输出最大功率.在MATLAB/Simulink中建立了仿真模型,对多种算法进行实验,仿真结果表明该算法的追踪速度、全局搜索性以及环境变化的适应能力均得到提升.     

基于小批量梯度下降的布谷鸟搜索算法

布谷鸟搜索算法是一种解决函数目标优化问题的全局搜索算法,具有选用参数少、容易实现、搜索路径优、寻优能力强等特点。为了提高布谷鸟搜索算法的求精能力和收敛速度,改善后期收敛慢和搜索精度不稳定的问题,提出了一种基于小批量梯度下降的布谷鸟搜索算法。引入小批量梯度下降,优化寻找最优解的过程,加快局部最优的搜索,从而提高算法的求精能力和收敛速度。仿真实验结果表明,基于小批量梯度下降的布谷鸟搜索算法简单高效,在保持标准布谷鸟搜索算法优点的基础上提高了算法的收敛速度和寻优精度,具有较强的稳定性和鲁棒性。     

基于改进布谷鸟搜索算法的种子园空间布局优化

为了使树木更好地适应外界环境的变化,林木育种的关键是确保其具有较高的遗传多样性.通过优化种子园的空间布局,可以提高树木的遗传多样性.但随着种子园规模的扩大,空间布局优化方案的复杂度会呈指数级增长,使用传统方法很难在可行的时间内得到最优解.采用改进的布谷鸟搜索算法对种子园配置方案进行最优化设计,并利用不同规模种子园的模拟数据验证该算法在解的质量和求解速度方面的可靠性,且对于相同数据,该算法优于遗传算法,可高效地输出一个优化的栽培种植方案,为种子园的建立提供决策依据.     

基于布谷鸟搜索算法的动载荷识别

工程结构经常受到动荷载的作用,对结构产生不利的影响。为了准确有效地获取结构承载状态,提出了基于Newmark-β法的布谷鸟搜索算法识别动载荷。该算法将时间离散成若干个时间步,采用Newmark-β法对离散后系统的运动方程求解,得到动载荷作用下的结构响应;然后将动载荷响应作为优化变量,以计算响应和测量响应之间的差异为目标函数,利用布谷鸟搜索算法最小化目标函数,实现动载荷的反演。为了验证算法的准确性和有效性,以受动态载荷作用的简支桥梁为例进行反演,分别讨论了鸟巢数量、测点位置、测点数量以及测量噪声对反演结果的影响。数值算例表明,该方法可准确有效地反演动载荷。     

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,...     

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。     

基于自适应布谷鸟搜索的RIS辅助无线定位系统

可重构智能表面(RIS)是6G关键技术之一,可灵活部署在基站服务区域的内部,辅助基站定位,提高定位精度.针对RIS辅助毫米波多输入单输出无线定位系统,利用布谷鸟搜索算法(CS)求解极大似然位置估计函数.为了提高算法寻优能力,将CS算法的发现概率和搜索路径步长由固定值改为自适应变化的动态参数.实验结果表明,引入RIS辅助定位可以明显提高定位精度,自适应布谷鸟搜索算法(ACS)寻优能力高于布谷鸟搜索算法.     

基于布谷鸟搜索算法参数优化的组合核极限学习机

针对单核极限学习机在泛化性能上存在一定局限性的问题, 提出将再生核函数与多项式核函数相结合, 建立一种新的组合核极限学习机模型, 使其具有全局核与局部核的优点, 并选择布谷鸟搜索算法对其参数进行优化选择. 仿真实验结果表明, 采用基于再生核的组合核函数作为极限学习机的核函数可行, 在实验数据集的多值分类和回归问题上, 与传统支持向量机及单核极限学习机相比, 该模型具有更好的泛化性能.