动态适应布谷鸟搜索算法.pdf

文档介绍：第 29 卷 第 4 期 控 制 与 决 策 2014 年 4 月
Vol. 算法应用于前馈神经网络训练; 文献 [6] 将一种混合
布谷鸟搜索 (CS) 是由 Yang 等[1]于 2009 年提出 CS 算法应用于流水车间调度问题求解; 文献 [7] 将集
的一种新兴生物启发算法. CS 算法通过模拟某些种 成了模糊系统的混合 CS 算法应用于机组组合问题;
属布谷鸟的寄生育雏习性有效地求解最优化问题. 本 文献 [8] 通过对种群分组, 并根据搜索的不同阶段对
文在 CS 算法中引入 Levy´ 飞行来刻画布谷鸟的觅食 搜索步长进行预先设置, 提出了改进动态布谷鸟搜索
动态, 使算法探索解空间的性能更高, 并能灵活地跳 (MACS) 算法, 提高了 CS 算法的性能. 然而, 现有的针
出局部极值. CS 算法的结构十分简单, 控制参数较少, 对算法适应性的改进均是在运行前确定的, 并不能动
且具有较强的跳出局部极值的能力. 研究表明, CS 态地反馈搜索过程. 从控制理论的观点看, 这种预先
算法比遗传 (GA) 算法、人工蜂群 (ABC) 算法和粒子 计划算法参数的做法是开环的. 元启发算法的搜索过
群 (PSO) 算法等典型群体智能算法具有更高的效率, 程因问题而异, 且具有很大的随机性, 显然不论固定
可在较少的函数求解次数 (FE) 下得到更好的优化结 参数还是预先计划的参数都不能很好地适应搜索空
果[1-3]. 目前, CS 算法已经被应用于多种工程优化问 间中的不确定性. 为了进一步提高算法的适应性, 基
题[3-4], 具有潜在的研究价值. 于 Rech