一种改进的和声搜索算法及其在权重模糊产生式规则获取中的应用（英文）

作者：叶绍强; 周恺卿^*; Azlan Mohd ZAIN; 王方岭; Yusliza YUSOFF

来源：Frontiers of Information Technology & Electronic Engineering, 2023, 24(11): 1574-1591.

• 和声搜索算法
• 布谷鸟搜索算法
• 全局收敛
• 函数优化
• 权重模糊产生式规则抽取

和声搜索算法(harmony search, HS)是一种随机元启发式算法，其灵感来自于音乐家的即兴创作过程。针对HS在求解中易陷入局部极值等不足，本文提出一种混合布谷鸟算子的改进的和声布谷鸟搜索算法(modified HS with a hybrid cuckoo search (CS) operator, HSCS)增强全局搜索能力。该算法首先对HS音高扰动调整方法的随机性进行分析，根据和声库中解的质量生成自适应惯性权重，并重构微调带宽寻优，提升HS的寻优效率及精度。其次，引入CS算子扩大解空间的搜索范围和提高种群密度，从而能够在随机生成和声和更新阶段快速跳出局部极值。最后，构建动态参数调整机制以提高算法寻优的效率。通过证明3个定理揭示HS-CS是一种全局收敛的元启发式算法。在实验部分，选取12种经典的测试函数优化求解以验证HS-CS算法的性能。数值分析结果表明，HS-CS在处理高维函数优化问题上显著优于其他算法，表现出较强鲁棒性、高收敛速度以及收敛精度。为进一步验证算法在实际问题求解中的有效性，将HS-CS用于优化BP神经网络进行加权模糊产生式的规则抽取。仿真实验结果表明，HS-CS优化后的BP神经网络能够获得较高的规则分类精度。因此，从理论和应用方面都证明了HS-CS是行之有效的。

• 单位
  吉首大学; 电子工程学院