多资源均衡优化的布谷鸟算法

针对标准多目标布谷鸟算法(CSA)后期收敛速度慢、收敛精度不高的缺陷,提出一种求解多资源均衡优化问题的改进多目标布谷鸟算法。首先,引入非均匀变异算子,以均衡算法的全局搜索能力和局部寻优能力;然后,引进差分进化算子,促进群体间的合作和信息交流,提高算法的收敛精度。通过算例测试表明,改进的多目标布谷鸟算法比标准多目标算法和VEPSO-BP算法具有更好的全局收敛性。     

多资源均衡优化的布谷鸟算法

针对标准多目标布谷鸟算法(CSA)后期收敛速度慢、收敛精度不高的缺陷,提出一种求解多资源均衡优化问题的改进多目标布谷鸟算法。首先,引入非均匀变异算子,以均衡算法的全局搜索能力和局部寻优能力;然后,引进差分进化算子,促进群体间的合作和信息交流,提高算法的收敛精度。通过算例测试表明,改进的多目标布谷鸟算法比标准多目标算法和VEPSO-BP算法具有更好的全局收敛性。     

多智能体入侵杂草算法

针对标准入侵杂草算法缺乏信息共享机制的缺陷,将多智能体系统融入标准入侵杂草算法,提出了一种新的多智能体入侵杂草算法.该算法通过多智能体系统中改进的邻域竞争合作算子实现个体间信息的交流,提高收敛速率;利用多智能体系统中的自学习算子增强算法求解精度.五个基准函数测试对比分析结果表明,多智能体入侵杂草算法的求解精度、收敛速度和稳定性优于标准入侵杂草算法、粒子群算法和差分进化算法.     

基于克隆布谷鸟算法的资源均衡优化

资源均衡优化问题属于NP-Hard问题,为了能对其高效地进行求解,提出了一种新的克隆布谷鸟算法。该算法首先根据个体适应度自适应地克隆,实现种群的扩张;然后通过Levy变异实现克隆种群的更新;最后去重以及全局择优策略保留最优个体且增加种群多样性;引入非均匀变异算子均衡算法全局均匀搜索能力和局部求精能力。通过对实例进行测试,结果表明克隆布谷鸟算法在求解资源均衡优化问题上比粒子群、差分和标准布谷鸟算法具有更优的全局优化性能。     

多项目资源均衡问题及其遗传算法*

针对单项目资源均衡优化在企业实际应用中的不足,提出了多项目资源均衡优化的概念,建立了多项目资源均衡问题模型。在此基础上给出一种遗传算法的求解方法,在算法中有效地利用了网络计划图的拓扑排序,减少了遗传操作过程中非法个体的修复计算量,加快了算法的收敛速度。实例计算表明,多项目资源均衡优化可以有效地实现整个企业资源的均衡配置,遗传算法在求解该问题时具有可行性和高效性。     

汽车混流装配线的混合布谷鸟算法排序研究

为解决汽车混流装配线作业者工作负荷不均衡的问题,构建了最小化违背装配频率上限次数的优化模型,提出了布谷鸟算法与遗传算法相结合的混合算法。该方法将遗传算法的选择与交叉思想引入布谷鸟算法的迭代过程,以克服布谷鸟算法寻优过程中收敛速度慢和容易陷入局部最优的问题。测试函数的对比求解和合作汽车企业的优化实例表明该改进算法具有更高的求解精度和更快的收敛速度,能有效地解决大规模的汽车混流装配线排序优化问题。     

多项目资源均衡问题及其遗传算法

针对单项目资源均衡优化在企业实际应用中的不足，提出了多项目资源均衡优化的概念，建立了多项目资源均衡问题模型。在此基础上给出一种遗传算法的求解方法，在算法中有效地利用了网络计划图的拓扑排序，减少了遗传操作过程中非法个体的修复计算量，加快了算法的收敛速度。实例计算表明，多项目资源均衡优化可以有效地实现整个企业资源的均衡配置，遗传算法在求解该问题时具有可行性和高效性。     

引入补偿采样和平滑算子的概率集群优化算法

探讨一种新颖的分布式多智能体优化算法及其在求解约束优化问题上的实现方式.通过分析该算法在有限采样数下寻优能力所受到的影响,提出在迭代优化过程中引入补偿采样机制和平滑算子的改进方案,在保留原算法优点的基础上提高了采样过程对决策空间的覆盖度,增强了方法的全局和局部邻域搜索能力.实验结果表明,引入补偿采样和平滑算子后的概率集群优化算法在收敛速度、解质量和稳定性等方面均得到了明显改善.     

基于蜂群遗传算法的0-1背包问题

针对0-1背包问题,本文提出了基于蜂群遗传算法的优化求解方案。该算法包括两个种群,一个主要用于全局搜索,另一个主要用于局部搜索;每个个体采用二进制编码;采用最优个体交叉策略;对当前解的处理措施是将还未装入背包且性价比最好的物品装进背包,直至不能装为止;不符合约束条件的解采用诱变因子指导变异处理;遗传算子包括单点交叉算子、简单变异算子、主动进化算子和抑制算子。本算法充分发挥了遗传算法的群体搜索和全局收敛的特性,快速地并行搜索,有效地克服了经典遗传算法容易陷入局部最优问题。数值实验表明,该算法在求解0-1背包问题中取得了较好的效果,同样可以应用于其它的组合优化问题。     

改进的粒子群优化算法求解车辆调度问题*

采用对基本粒子群优化算法引入遗传操作来提高种群多样性,这样虽能避免产生局部极小,但收敛速度会降低,通过加入收缩因子来达到两者的均衡。优化和仿真结果表明改进算法性能更优,能有效地解决公交车辆的智能排班问题。     

基于混合布谷鸟算法的不确定手术调度模型求解

针对应急救援情境下手术调度中存在不确定性因素导致无法获得精确的手术时间和结束期的问题,设计了一种灰色调度模型和求解该问题的混合灰色布谷鸟算法。首先引入三参数和四参数区间灰数来描述不确定手术时间和不确定结束期,并定义了可能性测度和必然性测度,提出了拖期可信度指标用于度量手术发生拖期的概率;然后建立了以最小化手术平均拖期可信度为目标的灰色混合整数规划模型,提出了一种混合灰色布谷鸟算法的求解方法,并以规模为6（3）×3的经典算例为例进行仿真测试。实验表明该算法能很好地解决问题,比基本布谷鸟求解算法有更好的性能。     

基于改进布谷鸟搜索的k-means算法的离群点检测

为了解决k-means算法的离群点检测容易受到初始聚类中心的影响陷入局部最优的问题,本文提出一种基于改进布谷鸟搜索的k-means算法的离群点检测方法。首先,对原始布谷鸟搜索算法中的发现概率和莱维飞行步长做自适应策略改进并进行实验仿真;其次讨论改进后的布谷鸟搜索算法的收敛性问题;最后将改进后的布谷鸟搜索算法与k-means的离群点检测算法融合成一种新的离群点检测算法——基于改进布谷鸟搜索的k-means算法的离群点检测。通过对UCI数据集进行仿真实验,结果表明,本文算法不仅精确度方面有着明显优势,而且在3个数据集上收敛速度均有改善,可有效地抑制k-means算法的离群点检测容易陷入局部最优的问题,缩短运行时间。     

基于改进布谷鸟搜索算法的TFT-LCD制造调度方法

针对基于改进布谷鸟搜索算法的TFT-LCD制造cell阶段绿色调度问题,建立了以最小化最大完工时间和碳排放总量为目标的数学模型.采用基于机器选择、转速选择和工序选择的三段式编码,应用在步长因子前加入动态系数的改进布谷鸟搜索算法,结合双元锦标赛和动态淘汰制来构建Pareto最优解集.通过对某车间实际生产数据进行仿真,验证了模型和算法的有效性,仿真结果表明,改进布谷鸟搜索算法在保障最大完工时间的前提下,可以有效的减少碳排放量.     

帝国竞争算法求解CVRP

针对带容量约束的车辆路径问题(CVRP),提出了一种带分裂机制的帝国竞争算法进行求解。首先,结合CVRP的特性,采用基于贪婪准则的编解码策略实现算法空间到解空间的转换。其次,提出帝国分裂策略来增强算法的全局搜索能力,并结合2-Opt提高算法的局部搜索能力。最后,通过25个基准算例的仿真实验表明:所提算法能有效求解CVRP,所有算例的优化误差不超过1.0%;与已有的帝国竞争算法、粒子群算法、遗传算法、布谷鸟搜索算法相比,所提算法的求解效率更高。     

基于布谷鸟搜索算法的无线传感器网络节点定位

无线传感器网络的节点定位实际上是解决测量距离和测距误差的多维约束优化问题。针对最小二乘方法对测距误差敏感的不足,提出一种基于布谷鸟搜索算法的无线传感器网络节点定位算法。该算法利用全局和局部寻优能力强的布谷鸟算法求解定位过程中的多维约束优化问题;通过设定相应的约束适应度函数来减小定位过程的搜索范围,加快了收敛速度,能够快速地确定未知节点的位置。仿真结果表明：相较于粒子群算法和最小二乘算法,该算法能有效地抑制测距误差对定位的影响,提高节点的定位精度,具备很好的实用性。     

基于改进多目标布谷鸟搜索的资源调度算法

针对IaaS(Infrastructure as a Service)云计算中资源调度的多目标优化问题,提出一种基于改进多目标布谷鸟搜索的资源调度算法。在多目标布谷鸟搜索算法的基础上,通过改进随机游走策略和丢弃概率策略提高了算法的局部搜索能力和收敛速度。以最大限度地减少完成时间和成本为主要目标,将任务分配特定的VM(Virtual Manufacturing)满足云用户对云提供商的资源利用的需求,从而减少延迟,提高资源利用率和服务质量。实验结果表明,该算法可以有效地解决IaaS云计算环境中资源调度的多目标问题,与其他算法相比,具有一定的优势。     

A hybrid adaptive cuckoo search optimization algorithm for the problem of chaotic systems parameter estimation

This paper introduces a novel hybrid adaptive cuckoo search (HACS) algorithm to establish the parameters of chaotic systems. In order to balance and enhance the accuracy and convergence rate of the basic cuckoo search (CS) algorithm, the adaptive parameters adjusting operation is presented to tune the parameters properly. Besides, the exploitation capability of the CS algorithm is enhanced a lot by integrating the orthogonal design strategy. The functionality of the HACS algorithm is tested through the Lorenz system under the noise-free and noise-corrupted conditions, respectively. The numerical results demonstrate that the algorithm can estimate parameters efficiently and accurately, and the capability of noise immunity is also powerful. Compared with the basic CS algorithm, genetic algorithm, and particle swarm optimization algorithm, the HACS algorithm is energy efficient and superior.     

改进布谷鸟搜索SVM在财务风险评估中的应用

针对一种新型智能进化算法--布谷鸟搜索算法提出了基于多群体并行搜索和自适应步长的改进方法。将改进后的方法引入支持向量机参数优化中,提出了基于改进后布谷鸟搜索算法优化支持向量机模型参数的方法并将其应用于上市公司财务风险评估中,有效提高了财务风险模型的分类性能。仿真结果发现：改进的布谷鸟搜索算法用于优化支持向量机参数不仅有效提高了上市公司季度财务数据分类预测精度,而且相较改进之前的布谷鸟搜索算法、遗传算法和粒子群算法具有更快的收敛速度和稳定性。     

城市灾区无人机网络自适应覆盖优化算法

城市灾区中,地面用户节点的移动特性使得应急网络覆盖成为难题。针对城市灾区移动用户节点的应急网络覆盖优化问题,提出一种无人机网络自适应覆盖优化算法。对布谷鸟搜索算法进行改进,并对目标函数进行优化调整,将城市灾区地面用户节点的移动模型应用于改进的布谷鸟算法模拟中,最终实现对城市灾区重点区域移动用户的自适应覆盖优化。仿真结果表明,所提算法与相同实验环境下的标准布谷鸟算法（CSA）和模拟退火算法（SAA）相比,对重点区域的覆盖率分别提升了2.98个百分点和1.87个百分点。多次实验表明无人机网络的覆盖率、连通性及路径损耗稳定,且随着仿真时间变化,应急网络的性能稳定。证明了该算法不仅能够对城市灾区移动节点提供稳定的动态网络覆盖,有较强的全局以及局部寻优能力且能够更加有效地提高对重点区域的覆盖率。