整数规划的布谷鸟算法

布谷鸟搜索算法是一种新型的智能优化算法．本文采用截断取整的方法将基本布谷鸟搜索算法用于求解整数规划问题．通过对标准测试函数进行仿真实验并与粒子群算法进行比较,结果表明本文所提算法比粒子群算法拥有更好的性能和更强的全局寻优能力,可以作为一种实用方法用于求解整数规划问题．     

混合布谷鸟搜索算法求解非线性方程组

针对当前算法求解非线性方程组存在求解个数不完整、精度低等问题,提出一种混合布谷鸟搜索算法(HCS).首先分析原始布谷鸟搜索算法不足,再结合差分进化算法和二次插值优势,将其进行深度融合.通过12个非线性方程组的仿真实验,结果表明算法能有效搜索到非线性方程组的较多解,并与其他算法进行比较,算法在解的数量和质量上具有优越性.     

一种改进的分数阶布谷鸟搜索算法研究

为解决布谷鸟搜索算法后期精度不高和收敛速度慢等问题,提出了一种基于分数阶微积分的改进布谷鸟搜索算法.与整数阶相比,通过在莱维飞行中引入分数阶差分,结合对历史信息的记忆与利用,能实现更复杂的动力学行为,提高局部搜索能力.采用Benchmark函数测试表明,超高维函数优化问题分析中,算法具有突出的寻优精度和收敛速度.     

基于Cubic混沌模型的自适应布谷鸟优化算法

针对基本布谷鸟算法(CS)求解精度有限、收敛速度慢,易陷入局部最优的不足,提出一种基于Cubic混沌模型的自适应布谷鸟优化算法.算法在迭代时,自动调整Lévy flights随机搜索的步长因子,提高算法的收敛速度;将Cubic混沌映射模型嵌入布谷鸟算法,产生混沌扰动信号,对鸟巢位置进行更新,扩大种群多样性,提高全局最优值的搜索能力.通过10个标准测试函数的实验及结果分析,表明算法在寻优精度和收敛速度两方面的改进是有效的.     

混沌反向学习柯西变异和声搜索算法

为了改善和声搜索算法的寻优性能,提出一种基于混沌反向学习及柯西变异的和声搜索算法.算法首先通过混沌反向学习策略初始化和声记忆库来增强初始种群的多样性;然后通过动态地改变参数PAR和BW来逃逸局部极值;接着在算法产生新解的过程中引入柯西变异策略来提高全局探索性能.最后通过对不同类型的基准测试函数进行寻优,并做了Wilcoxon秩和检验,其结果表明,所给改进算法在求解精度和收敛速度上均优于所涉及的对比算法,即所提算法是可行的.     

识别含热源瞬态热传导问题的热扩散系数

针对含有热源的瞬态热传导反问题,引入一个变换将含热源热传导问题转换为无热源热传导问题,采用改进布谷鸟算法反演热扩散系数.正问题由边界元法求解.将热扩散系数作为优化变量,以计算温度和测量温度之间的接近程度为目标函数,通过改进布谷鸟算法极小化目标函数来优化估计热扩散系数.比较共轭梯度法、布谷鸟算法和改进布谷鸟算法的反演结果.与共轭梯度法相比,改进布谷鸟算法对迭代初值不敏感;与布谷鸟算法相比,改进布谷鸟算法收敛速度更快.算例讨论了测点数量、鸟巢数量、测量误差对计算结果的影响.增加测点数量,反演结果精度降低;增加鸟巢数量,迭代次数减少;随着测量误差的增大,结果精度降低.数值算例验证了改进布谷鸟算法反演热扩散系数的准确性和有效性.     

改进的布谷鸟算法求解物流配送中心选址问题

针对基本布谷鸟算法求解物流配送中心选址问题时存在搜索精度低、易陷入局部最优值的缺陷,提出一种改进的布谷鸟算法.算法采用基于寄生巢适应度值排序的自适应方法改进基本布谷鸟算法的惯性权重,以平衡算法的全局开发能力和局部探索能力;利用NEH领域搜索以提高算法的搜索精度和收敛速度;引入停止阻止策略对全局最优寄生巢位置进行变异避免算法陷入局部最优值、增加种群的多样性.通过实验仿真表明,改进的布谷鸟算法在求解物流配送中心选址问题上要优与基本布谷鸟算法以及其它智群算法,是一种有效的算法.     

基于混沌优化和自适应反向学习的秃鹰搜索算法

针对秃鹰搜索算法求解精度低、收敛速度较慢、容易陷入局部最优的问题,提出一种基于混沌优化和自适应反向学习的秃鹰搜索算法.首先,在选择搜索空间阶段引入正弦混沌映射更新秃鹰群位置,增加随机性,优化全局搜索能力;其次,在俯冲捕获猎物阶段加入指数自适应,平衡了全局搜索和局部搜索,同时加快收敛速度;最后,对更新后的最优秃鹰位置使用反向学习策略,提高跳出局部最优的可能性.选取12个测试函数对算法的性能进行了测试,结果表明本文改进的秃鹰搜索算法具有更优的求解精度和收敛速度.     

CVaR 投资组合问题求解的一种混合元启发式搜索算法

本文针对均值-CVaR投资组合优化问题,基于混沌搜索、粒子群优化和引力搜索算法提出了一种新的混合元启发式搜索算法,而后基于多维布朗运动,借助Monte Carlo模拟情景生成得到价格路径,进而近似求解均值-CVaR投资组合选择问题,并与线性规划和非参数估计两种求解算法进行比较。模拟和实证算例结果表明,新算法在求解有效性和实用性方面表现更好,取得更为满意的结果。     

混沌粒子群神经网络在上证指数预测中的应用

上证指数预测是一个非常复杂的非线性问题,为了提高对上证指数预测的准确性,本文采用基于混沌粒子群(CPSO)算法对BP神经网络算法改进的方法来进行预测.BP神经网络算法目前已经应用到预测、聚类、分类等许多领域,取得了不少的成果.但自身也有明显的缺点,比如易陷入局部极小值、收敛速度慢等.用混沌粒子群算法改进BP神经网络算法的基本思想是用混沌粒子群算法优化BP神经网络算法的权值和阈值,在粒子群算法中加入混沌元素,提高粒子群算法的全局搜索能力.对上证指数预测的结果表明改进后的预测方法,具有更好的准确性.     

基于乌鸦喝水的元启发式优化算法

启发式优化算法已成为求解复杂优化问题的一种有效方法,可用于解决传统的优化方法难以求解的问题.受乌鸦喝水寓言故事启发,提出一种新型元启发式优化算法—乌鸦喝水算法,首先建立了乌鸦喝水算法数学模型;其次,给出实现该算法的详细步骤;最后,将该算法用于基准函数优化,并将该算法与乌鸦搜索算法、粒子群优化算法、多元宇宙优化算法、花授粉算法、布谷鸟算法等群智能算法进行了比较.仿真实验结果表明,乌鸦喝水算法优于其他算法.     

具有学习效应的置换流水车间调度问题布谷鸟搜索算法求解

对于以最小化最大完工时间为目标的置换流水车间调度问题,现有研究较少考虑学习效应对生产调度的影响,构建了具有学习效应的PFSP问题数学模型.采用ROV的编码方式,应用布谷鸟搜索算法进行离散优化问题求解.通过对Car类问题的大量仿真测试,表明了布谷鸟搜索算法求解该类问题的可行性和有效性.同时,证明了学习效应能够降低最大完工时间,从而提高生产效率.     

几类元启发式优化算法性能的比较研究

元启发式优化算法包括萤火虫算法、布谷鸟算法、蝙蝠算法及和声搜索算法等.选取20个标准测试函数,统计4种元启发式优化算法的运行结果.以算法运行的精确度、稳定性作为比较指标分析算法的求解性能,提出了3种比较算法优劣性的方法,总结了3种比较方法的优缺点.     

布谷鸟搜索算法在人群疏散中的应用研究

针对阶梯教室及大型场馆应急疏散的路径优化问题.提出了一种布谷鸟搜索算法的疏散模型,通过对原有算法的分析改进,设计特殊目标函数,使之适应求解人群疏散.最后将方法应用到多障碍物、多通道、多出口、多灾害源的复杂场景实现近千人的仿真实验.仿真结果表明,方法直观地展现整个人群疏散的运动过程和在多个场景中都取得了较好地路径规划效果,并开发两个疏散工具为人群疏散演习提供了平台和疏散方案.     

基于梯度的自适应快速布谷鸟搜索算法

针对标准布谷鸟搜索(CS)算法存在全局搜索和局部搜索能力不平衡的缺点, 提出一种基于梯度的自适应快速布谷鸟搜索(GBAQCS)算法. 在改进的算法中, 针对偏好随机游动的步长, 在利用目标函数的梯度决定步长方向的基础上, 首先提出自适应搜索机制平衡了算法的全局搜索和局部搜索能力; 其次提出快速 搜索策略, 充分利用当前鸟巢信息进行精细化搜索, 从而提高算法的搜索精度和收敛速度. 实验结果表明, 相比其他算法, 所提出的改进策略使算法的全局搜索和局部搜索能力保持了相对的平衡, 并提高了算法的收敛性能.     

混沌遗传算法对BP神经网络的改进研究

BP神经网络算法是目前应用最广泛的一种神经网络算法,但有收敛速度慢和易陷入局部极小值等缺陷.本文利用混沌遗传算法(CGA)具有混沌运动遍历性、遗传算法反演性的特性来改进BP神经网络算法.该算法的基本思想是用混沌遗传算法对BP神经网络算法的初始权值和初始阈值进行优化.把混沌变量加入遗传算法中,提高遗传算法的全局搜索能力和收敛速度;用混沌遗传算法优化后得到的最优解作为BP神经网络算法的初始权值和阈值.通过实验观察,改进后的结果与普通的BP神经网络算法的结果相比,具有更高的准确率.     

求解全局优化问题的改进蝙蝠算法[英文]

蝙蝠算法(BA)是一类基于试探技巧的群智能优化算法,该算法已被广泛用于诸多领域问题的求解.本文提出一个改进的蝙蝠算法NIBA.在算法中,为了加强蝙蝠算法的局部和全局搜索能力,提出了三个改进策略.首先,为了改进蝙蝠的局部搜索能力,在当前最优解处给出了一个新的搜索方程.其次,为了改进算法的全局搜索能力,平衡算法的开发能力和探索能力,算法吸收并改进了和声搜索机制.最后,为了进一步提高NIBA算法的搜索能力,在当前最优解处,算法采用了混沌搜索机制.为了验证算法的性能,针对18个标准测试函数进行了数值实验.与其它算法的比较结果显示,NIBA算法具有更好的稳定性,且效率更高.     

混合启发式算法求解多配送人员车辆路径问题

为解决带时间窗和多配送人员的车辆路径问题,本文采用混合启发式算法对其进行求解。该算法主要由整数规划重组、局部搜索算法和模拟退火算法三部分组成。在算法中,整数规划重组有效提高了解的质量,局部搜索算法和模拟退火算法保证了算法搜索的深入性和广泛性。通过与CPLEX和禁忌搜索算法进行对比,证实了混合启发式算法实用价值更高,求解效果更好。     

一种改进的Wolfe线搜索下的FR共轭梯度法

文献[3]中的改进的Wolfe线搜索算法,对于计算目标函数梯度花费较大的情形可以节省一定的计算量.本文将这种改进的Wolfe线搜索算法用于FR共轭梯度法,并证明了该算法在参数σ≤1/2的情况下与Wolfe线搜索下的FR共轭梯度法具有相同的理论性质.数值实验表明该算法是可行的和有效的.     

一种变系数的自适应蚂蚁算法

蚂蚁算法是一种新型的模拟进化算法,也是一种随机型智能搜索算法.较为系统的总结了算法的基本理论,分析了其基本算法解决TSP问题的模型,给出基于熵的变系数改进蚂蚁算法,并针对TSP问题进行优化性能的比较分析.