資源描述：
《基于收縮因子策略的布谷鳥搜索算法》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、基于收縮因子策略的布谷鳥搜索算法作者姓名時星指導教師姓名、職稱臧明相副教授申請學位類別工學碩士萬方數(shù)據(jù)萬方數(shù)據(jù)學校代碼10701學號1403121723分類號TP301密級公開西安電子科技大學碩士學位論文基于收縮因子策略的布谷鳥搜索算法作者姓名：時星一級學科：計算機科學與技術二級學科：計算機應用技術學位類別：工學碩士指導教師姓名、職稱：臧明相副教授學院：計算機學院提交日期：2017年5月萬方數(shù)據(jù)萬方數(shù)據(jù)CuckooSearchAlgorithmBasedonContractionFactorStrategyAthesissubmittedtoXIDIANUNIVERSITYinparti
2、alfulfillmentoftherequirementsforthedegreeofMasterinComputerApplicationTechnologyByShiXingSupervisor:ZangMingxiangAssociateProfessorMay2017萬方數(shù)據(jù)萬方數(shù)據(jù)西安電子科技大學學位論文獨創(chuàng)性（或創(chuàng)新性）聲明秉承學校嚴謹?shù)膶W風和優(yōu)良的科學道德，本人聲明所呈交的論文是我個人在導師指導下進行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標注和致謝中所羅列的內容以外，論文中不包含其他人已經發(fā)表或撰寫過的研究成果；也不包含為獲得西安電子科技大學或其它教育機構
3、的學位或證書而使用過的材料。與我一同工作的同事對本研究所做的任何貢獻均已在論文中作了明確的說明并表示了謝意。學位論文若有不實之處，本人承擔一切法律責任。本人簽名：日期：西安電子科技大學關于論文使用授權的說明本人完全了解西安電子科技大學有關保留和使用學位論文的規(guī)定，即：研究生在校攻讀學位期間論文工作的知識產權屬于西安電子科技大學。學校有權保留送交論文的復印件，允許查閱、借閱論文；學?？梢怨颊撐牡娜炕虿糠謨热?，允許采用影印、縮印或其它復制手段保存論文。同時本人保證，結合學位論文研究成果完成的論文、發(fā)明專利等成果，署名單位為西安電子科技大學。保密的學位論文在年解密后適用本授權書。本人簽名：
4、導師簽名：日期：日期：萬方數(shù)據(jù)萬方數(shù)據(jù)摘要摘要最優(yōu)化問題旨在通過合理的利用系統(tǒng)中的資源，以最小的代價和最佳的解決方案，取得最優(yōu)的效果。最優(yōu)化問題具有廣泛適用性，它被應用到眾多領域當中。群智能優(yōu)化算法是基于仿生學的一種啟發(fā)式概率型搜索算法，屬于新興演化計算方法，接通信、魯棒性、自組織性、易實現(xiàn)等都為該算法的特點。該算法攻克最優(yōu)化問題的核心方法是通過對動物或昆蟲進行模擬和更新迭代等方式。它通過模擬布谷鳥在宿主的鳥巢中寄生卵的尋優(yōu)搜索行為，解決一系列連續(xù)型優(yōu)化問題。它本身具有參數(shù)少，易實現(xiàn)、較好的魯棒性等特點。但種群活性不高、收斂速度受到限制、求解精度不高等也是該算法需要改進的方面。論文研究了
5、相關群智能優(yōu)化算法，并重點分析了經典布谷鳥搜索算法，引入收縮因子等策略，提出一種改進的布谷鳥搜索算法（CFCS）。在算法的初始化階段，引入改進后的Tent混沌序列，初始化鳥窩位置在每一維的空間分布，增強了鳥窩位置分布的均勻性；同時引入改進后的反向學習策略，得到每個鳥窩位置在空間中的反向解，然后根據(jù)適應度公式，得到適應度值較優(yōu)的一組鳥窩位置，提高了種群的活性和收斂速度。在更新迭代階段，引入收縮因子策略，通過動態(tài)調整尋優(yōu)步長，使得算法在進化前期以自適應的步長進行尋優(yōu)搜索，在進化后期快速地趨向最優(yōu)解，提高了算法的收斂速度；當算法滯留在局部最優(yōu)解時，偶爾地趨向于最差解，有利于算法跳出局部最優(yōu)。最
6、后，引入改進后的基于適應度排序的選擇策略，通過適應度函數(shù)把目標函數(shù)值進行變換，使得鳥窩位置的發(fā)現(xiàn)概率可以根據(jù)適應度優(yōu)劣情況進行差異化的調整，有利于目標函數(shù)值較優(yōu)的鳥窩位置進行更新變異，提高算法的收斂精度，目標函數(shù)值較差的個體偶爾也有幾率進行更新變異，使算法具有跳出局部最優(yōu)的能力。本文采用五種單峰函數(shù)和四種多峰函數(shù)對CS算法和CFCS算法分別進行實驗，證明CFCS算法在性能上較CS算法有明顯的提升。實驗結果表明CFCS算法在性能上優(yōu)于引入第二代萊維飛行策略的CS算法，較好地提升算法在整個進化過程中的收斂速度和全局尋優(yōu)能力，并且避免陷入局部最優(yōu)的境況，證明CFCS算法的優(yōu)越性。本文主要的研究
7、方向是布谷鳥搜索算法的改進方法。均勻地初始化鳥窩位置、自適應地調整尋優(yōu)步長、動態(tài)地調整鳥窩位置的發(fā)現(xiàn)概率，都是提高布谷鳥算法性能的改進方法。在后續(xù)工作中，將深入研究這些改進方法，以更好地改變CFCS的性能，并期望把CFCS算法應用于實際領域當中。關鍵詞：布谷鳥搜索算法，收縮因子，Tent混沌序列，反向學習，適應度排序I萬方數(shù)據(jù)西安電子科技大學碩士學位論文II萬方數(shù)據(jù)ABSTRACTABSTRACTThroughtherational
