科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对布谷鸟仿生智能优化算法存在着的易陷入局部最优、求解精度低、以及收敛速度慢等问题，本文提出了基于多阶段动态扰动和动态惯性权重的布谷鸟搜索算法（MACS）。首先，利用多阶段动态扰动策略对布谷鸟算法的全局位置的最优鸟巢位置根据方差可调的正态随机分布进行扰动，有利于增加种群的多样性和鸟窝位置的灵活性，提高算法全局搜索能力。其次，在局部位置处引入动态惯性权重，使得算法有效克服易陷入局部最优的缺陷，提高局部寻优搜索能力。最后，引入了动态切换概率P代替固定概率，可以动态平衡全局搜索和局部搜索。通过与4种算法相比和11个测试函数的仿真结果表明：改进布谷鸟算法（MACS）的寻优性能明显提高，收敛速度更快，求解精度更高，具有更强的全局搜索能力和跳出局部最优能力。
- 单位
