一种混合布谷鸟搜索算法制造技术

本发明专利技术公开的混合布谷鸟搜索算法，将两个不同的一维更新策略引入到布谷鸟搜索算法中，同时，利用Levy分布的长跳跃特性，通过设置一个极限值来实现Levy飞行随机行走与一维更新策略之间的正确选取，不仅克服维间干扰并增强算法的局部搜索能力，也提高了算法跳出局部最优的概率，进而实现了勘探与开发之间的平衡；本发明专利技术能够有效提高布谷鸟搜索算法的收敛速度与收敛精度，并降低了算法的时间复杂度，对求解函数优化问题具有良好的收敛性能。

【技术实现步骤摘要】
一种混合布谷鸟搜索算法
本专利技术属于函数优化
，具体涉及一种混合布谷鸟搜索算法。
技术介绍
近20年来，优化已成为求解复杂问题时的一个重要的理论工具。优化算法设计的主要目的是求解这些问题的最大或最小值。为了有效求解这些优化问题，研究者提出了许多优化算法，如粒子群(PSO)、遗传算法(GA)、差分进化(DE)以及教与学算法(TLBO)等。一般来说，这些算法可以分为两大类：确定性和随机性。作为一类随机性方法，元启发式算法通常是受到一些自然机制的启发而提出的，并已广泛应用于优化问题的求解。与传统的梯度方法相比，元启发式算法的搜索结果更加有效。布谷鸟搜索(CS)算法是一种基于种群的启发式优化算法，它具有实现简单、控制参数少等优点。近年来，关于CS算法及其应用研究受到了业界的广泛关注。在算法研究方面，一些人研究了控制参数的自适应调整策略。如Valian等设计了一种基于步长因子和发现概率动态调整的改进CS算法。此外，一些人改进了候选解的生成策略。如Rakhshani等在原始CS算法中引入了学习机制以及搜索算子，以平衡全局和局部搜索能力。此外，一些研究侧重于将其它进化算法或技术引入到CS中本文档来自技高网...

【技术保护点】
1.一种混合布谷鸟搜索算法，其特征在于，具体按照如下步骤实施：步骤1、对以下参数进行初始化：种群规模N、优化问题的维数D、最大函数评价次数MaxFEs、极限值l、分布参数β、选择概率pe、控制参数R；步骤2、生成初始种群，评估解的质量，确定最佳的适应度和最优解；步骤3、生成初始的发现概率pa；步骤4、算法迭代开始；若R

【技术特征摘要】
1.一种混合布谷鸟搜索算法，其特征在于，具体按照如下步骤实施：步骤1、对以下参数进行初始化：种群规模N、优化问题的维数D、最大函数评价次数MaxFEs、极限值l、分布参数β、选择概率pe、控制参数R；步骤2、生成初始种群，评估解的质量，确定最佳的适应度和最优解；步骤3、生成初始的发现概率pa；步骤4、算法迭代开始；若R<l，采用一维更新策略来生成新的解；否则，采用Levy飞行随机行走来生成新的解；步骤5、评估步骤4得到的新解的质量；若此解优于当前解，则用此解替换当前解，并且R设置为0；否则，R＝R+1；步骤6、采用偏好随机游走来生成新解；步骤7、评估步骤6得到的新解的质量，若此解优于当前解，则用此解替换当前解，且保持pa不变；否则再次生成发现概率pa；步骤8、判断当前的函数评价次数是否达到所预设的最大函数评价次数MaxFEs，若达到，则迭代结束；否则跳转至步骤4继续迭代；步骤9、确定最佳的适应度和最优解。2.如权利要求1所述的一种混合布谷鸟搜...

【专利技术属性】
技术研发人员：程加堂，熊燕，冯雨，
申请(专利权)人：红河学院，
类型：发明
国别省市：云南,53