采用搜索趋化策略的布谷鸟全局优化算法

作     者：马卫 孙正兴 MA Wei;SUN Zheng-xing

作者机构：南京大学计算机软件新技术国家重点实验室江苏南京210093 南京旅游职业学院酒店管理学院江苏南京211100 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2015年第43卷第12期

页      面：2429-2439页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(No.61321491 No.61272219 No.61100110) 国家863高技术研究发展计划(No.2007AA01Z334) 江苏省科技计划(No.BE2011058 No.BY2012190) 江苏省高校自然科学研究面上项目(No.15KJB520017) 计算机软件新技术国家重点实验室创新基金重点项目(No.ZZKT2013A12) 2014年度江苏省"青蓝工程"优秀青年骨干教师项目基金 南京旅游职业学院科研创新团队建设项目基金 

主　　题：布谷鸟算法 趋化搜索 Hooke-Jeeves模式搜索 合作分享 自适应竞争 全局优化 

摘      要：布谷鸟搜索算法是一种基于莱维飞行搜索策略的新型智能优化算法.单一的莱维飞行随机搜索更新策略存在全局搜索性能不足和寻优精度不高等缺陷.为了解决这一问题,本文提出了一种改进的布谷鸟全局优化算法.该算法的主要特点在于以下三个方面:首先,采用全局探测和模式移动交替进行的模式搜索趋化策略,实现了布谷鸟莱维飞行的全局探测与模式搜索的局部优化的有机结合,从而避免盲目搜索,加强算法的局部开采能力;其次,采取自适应竞争机制动态选择最优解数量,实现了迭代过程搜索速度和解的多样性间的有效平衡;最后,采用优势集搜索机制,实现了最优解的有效合作分享,强化了优势经验的学习.对52个典型测试函数实验结果表明,本文算法不仅寻优精度和寻优率显著提高,鲁棒性强,且适合于多峰及复杂高维空间全局优化问题.本文算法与最新提出的改进的布谷鸟优化算法以及其它智能优化策略相比,其全局搜索性能与寻优精度更具优势,效果更好.