基于混沌的布谷鳥優(yōu)化算法研究及應用.pdf_第1頁
已閱讀1頁,還剩74頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論