基于混沌的布谷鳥優(yōu)化算法研究及應用.pdf

1、受自然界中生物體的機理或自然現(xiàn)象啟發(fā)而開發(fā)的仿生算法稱為智能算法。過去十幾年，隨著人工智能的迅猛發(fā)展，各種智能算法不斷涌現(xiàn)，其應用領域也越來越廣泛。布谷鳥優(yōu)化算法[CuckooSearch(CS)]，也叫杜鵑搜索，是智能算法的其中一種，于2009年由劍橋大學Xin-SheYang和DEBSuash提出。CS算法是一種新穎的群體智能算法，其通過模擬某些種屬布谷鳥的尋窩產卵的行為來有效地求解最優(yōu)化問題。同時，CS也采用相關的萊維(Lévy)

2、飛行搜索機制，要設置的參數(shù)不多，搜索能力較強。CS算法在工程優(yōu)化、目標函數(shù)優(yōu)化、動態(tài)環(huán)境優(yōu)化、數(shù)據(jù)挖掘等多個領域得到廣泛應用。CS算法提出后，激起很多研究者的興趣，慢慢發(fā)展成為智能算法研究領域的研究熱點。然而，CS算法2009年才被提出，對其研究還處于起步階段，本身存在許多不足，如易陷入局部最優(yōu)，搜索活性不足等。基于以上不足，本論文引入混沌映射，提出了一種基于混沌的布谷鳥優(yōu)化算法(Chaotic Cuckoo Search，CCS)，主

3、要工作如下:
　　1.提出了一種加入混沌映射的布谷鳥算法(CCS)。通過混沌映射，改進CS算法過度依賴萊維(Lévy)飛行策略，收斂速度較慢，且在算法后期，搜索活性明顯不足等缺點。在該改進算法中，混沌映射改善了布谷鳥的種群多樣性，使其不易陷入局部最優(yōu)。通過幾個經典函數(shù)測試表明，算法不僅提高了其搜索精度，而且加快了布谷鳥算法的收斂速度。
　　2.運用了CCS算法來求解旅行商(TSP)問題進而對算法進行性能驗證。實驗表明，在求解

4、TSP問題中，與CS算法相比，CCS更有效避免算法陷入局部最小值，搜索活性大大提高，也加快了算法的收斂速度。
　　3.運用CCS算法來求解二重數(shù)值積分，依據(jù)二重積分被積函數(shù)的形狀在兩個不同的方向隨機產生一定數(shù)量的不等距節(jié)點。利用具有強優(yōu)化能力的CCS作為優(yōu)化算法對這些不等距節(jié)點進行優(yōu)化，優(yōu)化后的節(jié)點在很大程度上能夠反映出被積函數(shù)的形狀特征。將這些節(jié)點作為分割點對二重數(shù)值積分進行求解。仿真實例結果表明，該算法簡單、易實現(xiàn)、收斂速度快