科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对布谷鸟算法在寻优过程中存在的收敛速度慢和局部探索能力弱的缺点，基于布谷鸟迭代更新策略提出了一种新型的多重优化算法。通过引入Skew tent映射初始化种群，增强种群的多样性。受粒子群算法启发，引入社会学习和自我学习来提高种群的信息交流能力，并采用对数自适应参数平衡来提高全局搜索能力和局部开发能力。借鉴灰狼算法的狩猎机制，引导种群中其他个体进行变异，以进一步提高算法收敛速度。采用8个标准测试函数对算法性能进行了仿真实验，实验结果表明，改进算法的总体性能明显优异于对比算法。
- 单位
针对布谷鸟算法在寻优过程中存在的收敛速度慢和局部探索能力弱的缺点，基于布谷鸟迭代更新策略提出了一种新型的多重优化算法。通过引入Skew tent映射初始化种群，增强种群的多样性。受粒子群算法启发，引入社会学习和自我学习来提高种群的信息交流能力，并采用对数自适应参数平衡来提高全局搜索能力和局部开发能力。借鉴灰狼算法的狩猎机制，引导种群中其他个体进行变异，以进一步提高算法收敛速度。采用8个标准测试函数对算法性能进行了仿真实验，实验结果表明，改进算法的总体性能明显优异于对比算法。
