基于差分进化的布谷鸟搜索算法

针对基本布谷鸟搜索算法局部搜索能力弱、寻优精度低等不足,提出了一种具有差分进化策略的改进布谷鸟搜索算法。该算法是在种群进入下一次迭代之前在其个体上增加两个带权的差来实现个体变异,再对其进行交叉、选择操作得到最优个体,使缺乏变异机制的布谷鸟搜索算法具有变异能力,从而提高布谷鸟搜索算法的多样性,避免种群个体陷入局部最优,增强算法全局寻优能力。对几种经典测试函数和1个典型应用实例进行测试,仿真实验结果表明,新算法具有更好的全局搜索能力,在收敛精度、收敛速度以及寻优成功率等性能上显著优于基本布谷鸟搜索算法。     

量子衍生布谷鸟搜索算法

为提高布谷鸟搜索算法的寻优能力,通过在经典布谷鸟搜索算法中引入量子计算机制,提出了一种量子衍生布谷鸟搜索算法.该算法采用量子比特编码个体,采用泡利矩阵确定旋转轴,采用Levy飞行原理确定旋转角度,采用量子比特在Bloch球面上的绕轴旋转实现个体更新.标准函数极值优化的实验结果表明,与传统布谷鸟搜索算法相比,该算法的搜索能力确有明显提升.     

布谷鸟搜索算法研究综述

布谷鸟搜索算法是一种结合了布谷鸟巢寄生性和莱维飞行模式的元启发式群体智能搜索技术,系统地介绍布谷鸟搜索算法的原理和算法流程,详细论述该算法有关改进算法的研究现状以及其应用研究情况,归纳分析比较该算法、粒子群算法、蚁群算法和蜂群算法的优缺点及适用性范围,总结目前该算法存在的问题,指出未来研究的方向。     

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。     

ACOCS:一种云环境下资源调度混合算法

蚁群算法在优化组合问题中有着重要的意义,传统的蚁群调度算法搜索速度慢、容易陷入局部最优。针对这种情况,结合布谷鸟搜索算法,提出一种基于蚁群算法与布谷鸟搜索算法的混合算法(ACOCS),用于云环境下的资源调度。该方法有效保留了蚁群算法求解精度高和鲁棒性的特性,并融入了布谷鸟搜索具有快速全局搜索能力的优势。仿真实验结果表明,提出的ACOCS调度算法有效减少了调度所需的响应时间,也在一定程度上提高了系统资源利用率。     

自适应步长布谷鸟搜索算法

布谷鸟搜索算法(CSA)是一种新颖且简单、高效的生物启发式算法。针对标准算法存在后期收敛速度慢、易陷入局部最优等问题,提出了一种新的自适应步长布谷鸟搜索算法(ASCSA)。通过自适应调整莱维飞行步长使算法在前期拥有较大的寻优空间,提高全局搜索能力;步长随迭代自适应减小,算法的局部开发能力增强。针对偏好随机游动,引入动态惯性权重和记忆策略后,算法能够充分利用历史经验,稳定性得到提高。实验结果表明,改进后的布谷鸟搜索算法的各方面性能较标准算法及相关改进版本都有显著提高。     

带有Levy Flight机制的引力搜索算法

引力搜索算法（gravitational search algorithm,GSA）是模拟万有引力定律进行搜索的一种新颖的优化算法,已有研究表明GSA算法相比一些传统的优化算法拥有较好的收敛性能,但其缺乏有效的全局寻优机制,易于被局部极值吸引,从而陷入早熟收敛。因此提出了一种基于Levy Flight和权值惯性递减的引力搜索算法QmuGSA,以加强算法的全局寻优能力。该算法通过Levy Flight独特的不均匀随机游走的机制扩大粒子的搜索范围,增加种群多样性,从而更容易跳出局部最优点。通过4个标准测试函数对所提算法进行了仿真测试,结果表明所提算法能够有效克服基本引力搜索算法易早熟、收敛精度低等缺陷,具有较好的寻优精度和全局收敛性能,能够解决一些复杂函数的优化问题。     

求解作业车间调度问题的改进混合灰狼优化算法*

灰狼优化算法(GWO)是目前一种比较新颖的群智能优化算法,具有收敛速度快,寻优能力强等优点。本文将灰狼优化算法用于求解复杂的作业车间调度问题,与布谷鸟搜索算法进行比较研究,验证了标准GWO算法求解经典作业车间调度问题的可行性和有效性。在此基础上,针对复杂作业车间调度问题难以求解的特点,对标准GWO算法进行改进,通过进化种群动态、反向学习初始化种群,以及最优个体变异等三个方面的改进操作,测试结果表明改进后的混合灰狼优化算法能够有效跳出局部最优值,找到更好的解,并且结果鲁棒性更强。     

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。     

量子衍生布谷鸟算法及在地层对比中的应用

为提高布谷鸟搜索算法的寻优能力,通过在经典布谷鸟搜索算法中引入量子计算机制,提出一种量子衍生布谷鸟搜索算法。该算法采用量子比特编码个体,采用泡利矩阵确定旋转轴,采用Levy飞行原理确定旋转角度,采用量子比特在Bloch球面上的绕轴旋转实现个体更新。针对钻井剖面地层对比的具体特点及需要满足的约束条件,提出应用量子衍生布谷鸟算法进行地层对比优化的实施方案,该方法既能对比不同地层之间的相似性,也能处理对比井地层因断层或尖灭等因素造成的缺失。实验结果表明,在复杂地质情况下,该算法是有效的和可行的。      

电信监管系统海量目标名单查找算法

电信监管系统中目标名单查找算法是衡量系统处理能力的重要指标。SIPURI作为SIP用户的网络标识有其自身的特点。该文在分析现有Hash算法对海量URI查找的性能后,提出一种基于Bloom过滤器的改进算法。仿真结果表明,在引入有限并且可控的虚警概率的前提下,Bloom过滤器查找速度与Hash算法相当,但内存消耗减小到原来的15％,提高了系统的处理能力。     

一种自适应步长布谷鸟搜索算法

针对布谷鸟搜索算法（CS）后期收敛速度慢、计算精度不高等不足,提出了一种自适应步长调整布谷鸟搜索算法,加快布谷鸟搜索算法的搜索速度,提高其计算精度。通过8个标准测试函数测试的结果表明,改进后的自适应步长布谷鸟搜索算法具有较快的收敛速度和较高的寻优精度。     

几种经典搜索算法研究与应用

搜索技术是人工智能的基本技术之一,在人工智能各应用领域中被广泛地使用。而搜索技术的核心是搜索算法,而所有的搜索算法的优化主要是在经典的搜索算法上改进得来。故研究经典搜索算法有非常重要的理论价值和实际应用价值。通过对几种经典搜索算法的研究,分析,总结,使得知识形成体系,便于更好的学习和研究。最后将几种算法进行比较,列出各自优缺点,便于选择合适的算法解决相关的实际问题。     

蝙蝠算法在含DG配电网故障定位中的应用

针对分布式电源的大量应用与配电网结构的扩大,使故障定位开关函数的建立愈加复杂,传统算法的搜索速度与准确性亟待提高。通过建立改进的开关函数模型,能够满足目前分布式电源广泛接入的现状,处理多DG、多故障的定位要求。通过配电网结构划分降维策略进一步增加了算法的计算速度,建立改进的评价函数,防止故障定位误判。介绍了蝙蝠算法求解配电网故障定位的具体步骤。通过算例进行仿真对比表明,蝙蝠算法相比其他人工智能算法在配电网单故障与多故障定位方面具有更加快速、准确的全局寻优能力。     

基于分层网络拓扑结构的最优路径算法

由于Dijkstra算法的基础是平面网络拓扑模型，因此当计算网络的节点数目较大时，计算的时间将急剧膨胀。为了快速地搜索到最优路径，基于分层网络拓扑结构（HiTopo），提出了双向分层搜索最优路径算法（BHWA）；该算法对现有分层路径算法进行了以下两点改进：（1）将分级网络的局部连通性作为划分子图的指标；（2）在路径计算过程中，使用弧段作为搜索目标，并采取了双向搜索策略。通过北京道路数据的实验表明：该算法在保持分层路径算法高效性的基础上，还提高了路径搜索结果的准确性；通过进一步研究表明，如果使用启发式搜索来对算法进行优化，则可以使算法的速度有更大的提升。     

用于运动估计的基于梯度下降搜索扩展算法

在快速搜索算法中,基于梯度下降搜索算法对搜索速度的改善非常明显,但搜索质量下降较大,尤其是对于帧间图像运动较大的序列。对该算法进行针对性扩展,提出基于梯度下降搜索扩展算法。与全搜索、新三步搜索、四步搜索、基于块的梯度下降搜索、钻石搜索算法相比较,实验结果表明该算法在搜索速度和质量上表现良好。     

鱼群算法求解无人机任务规划问题

无人机任务规划问题是一个NP难问题,文中提出了一种带禁忌算子的鱼群算法对该问题进行求解.鱼群算法是在群体智能行为研究基础上提出的一种新型仿生优化算法,该算法根据"水域中鱼生存数目最多的地方一般就是该水域中富含营养最多的地方"这一特点来模拟鱼群的觅食行为以实现全局最优.文章在基本鱼群算法FSA的基础上,结合禁忌搜索的思想,对基本鱼群算法中的三种行为算子进行改进,在每种行为算子中增添对解领域的禁忌搜索规则,提出带禁忌算子的鱼群算法(FSAWTS).然后将该算法应用于无人机任务规划问题.仿真试验表明,与基本鱼群算法相比,改进后的鱼群算法能够更为有效得解决无人机任务规划问题.     

混合和声搜索算法优化SVM的订单优先权评价

订单优先权评价是制订生产计划的关键,针对当前订单优先权评价模型不足,提出一种混合和声搜索算法优化支持向量机的订单优先权评价模型（HHS-SVM）。构建订单优先权评价指标体系,采用支持向量机建立订单优先权评价模型,并采用和声搜索算法优化支持向量机参数,在参数寻优过程中,引入了人工鱼群算法的觅食行为,提高了算法跳出局部最优解的能力和收敛速度,采用仿真实验测试模型的性能。结果表明,相对于对比模型,HHS-SVM提高了订单优先权评价精度,是一种可行、有效的订单优先权评价模型。     

一种增强局部搜索能力的改进人工蜂群算法

针对人工蜂群算法初始化群体分布不均匀和局部搜索能力弱的问题,本文提出了一种增强局部搜索能力的人工蜂群算法（ESABC）。首先,在种群初始化阶段采用高维洛伦兹混沌系统,得到遍历性好、有规律的初始群体,避免了随机初始化的盲目性。然后,采用基于对数函数的适应度评价方式,以增大种群个体间差异,减小选择压力,避免过早收敛。最后,在微分进化算法的启发下,提出了一种新的搜索策略,采用当前种群中的最佳个体来引导下一代的更新,以提高算法的局部搜索能力。通过对12个经典测试函数的仿真实验,并与其他经典的改进人工蜂群算法对比,结果表明:本文算法具有良好的寻优性能,无论在解的精度还是收敛速度方面效果都有所提高。     

基于有序二叉树的快速多模式字符串匹配算法

将有序二叉树和QS算法相结合,提出一种快速多模式字符串匹配算法,实现在多模式匹配过程中不匹配字符的连续跳跃。为提高匹配速度,利用已匹配的字符串信息进行跳跃式的比较,避免文本扫描指针的回溯。实验结果表明,与SMA算法相比,该算法在预处理阶段构造速度和匹配速度更快,在模式串较长的情况下,性能更优越。