布谷鸟算法的应用研究及算法性能度量

《布谷鸟算法的应用研究及算法性能度量》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、１０２２５Ｓ１６００９ｌ＾＾—ｌ筆化冷文布谷鸟算法的应用研究及算法性能度量刘延龙ＪＭｉｌ＾ｌＨ＾｜巧导教隱名；臧眷副教自东北林业大学胃申请学位级别：硕±学科专业：应用数学＇：２０１６．６．８论文疫交日期：２０１６．４论文答辩圆：２０１６．６巧予学位单位：东北林业大学授予学位日期答巧委员会主巧；Ｉ论文评巧人：ｇ．诵从知寺乂争？葦学校代码：１０２２５学号；Ｓ１６００９学化冷文布谷鸟算法的应用研究及算法性能度量刘延龙指导教师姓名：臧眷副教授东北林业大

2、学申请学位级别：硕±学科专业：应用数学２０１６．６．８论文提交日期：２０１６．４论文答辩日期：：２０１６．６授予学位单位：东北林业大学授予学位日期答辩委员会主席：论文评阅人：Ｕｎｉｖｅｒｓｉｔｙｏｄｅ：１０２２５ＣＲｅｇｉｓｔｅｒＣｏｄｅ：Ｓ１６００９ＤｉｓｓｅｒｔａｔｉｏｎｆｏｒｔｈｅＤｅｒｅｅｏｆＭａｓｔｅｒｇＡｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆｔｈｅＣｕｃｋｏｏＳｅａｒｃｈｐｐＡｌｏｒｉｔｈｍａｎｄＡｌｏｒｉｔｈｍＰｅｒｆｏｒｍａｎｃｅＭｅｔｒｉｃ

3、ｓｇｇＣａｎｄｉｄａｔｅ：ＬｉｕＹａｎｌｏｎｇＳｕｅｒｖｉｓｏｒ：ＡｓｓｏｃｉａｔｅＰｒｏｆ．ＺａｎＲｕｉｐｇＡｃａｄｅｍｉｃＤｅｇｒｅｅＡｐｐｌｉｅｄｆｏｒ：ＭａｓｔｅｒＳｐｅｃｉａｌｉｔｙ：ＡｐｐｌｉｅｄＭａｔｈｅｍａｔｉｃｓＤａｔｏｆＯｉｎ６２０１６ｉｅｒａｌＥｘａｍａｔｉｏｎ：Ｊｕｎｅ，Ｕｎｉｖｅｒｓｉｔ：ＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙｙ摘要摘要一－布谷鸟算法是２００９年英国剑桥大学的ＸｉｎＳｈｅＹａｎｇ和ＳｕａｓｈＤｅｂ提出的

4、种新型。元后发式智能优化算法，该算法基于布谷鸟寻窝产卵行为并结合鸟类莱维飞行通过对若干标准测试西数及实际工程问题的对比实验，表明该算法的结果优于遗传算法与粒子群算法。该算法简单易行，参数少，解决特殊问题无须大量参数，由此该算法引起了国。内外众多学者的关注本文主要对布谷鸟算法做了改进，并将改进的布谷鸟算法与罚函工程优化问题中一数结合应用到，提出了算法性能度量的般化方法。本文的主要研究成果如下：Ｌ（１）分析了布谷鸟算法的运行方式，义及更新公式，改进布谷鸟算法中程序更新公式，提出改进的布谷鸟算法（Ｍｏｄｉｆｉｅｄ

5、ＣｕｃｋｏｏＳｅａｒｃｈＪＭＣＳ）。最后通过测试标准测试函数验证了改进的布谷鸟算法在后期收敛速度要优于原布谷鸟算法。２一（）将罚函数法与改进的布谷鸟算法结合，提出适应于般约束优化问题的含罚函数项的布谷鸟算法（ＰｅｎａｌｔｙＭｏｄ姐ｅｄＣｕｃｋｏｏＳｅａｒｃｈＪＰＭＣＳ）。并将ＰＭＣＳ算法应用到工程优化问题。结果表明，ＰＭＣＳ算法后期收敛速度加快，得到的结果优于遗传算法。一（３）通过定义序列空间集合列的下极限，提出了元启发式算法性能的般评价方法，并根据数值实验结果对四种算法的性能进行了评价。结果表明该方法较

6、好反映了各。类算法求解性能的差异，具有较好的通用性关巧词布谷鸟算法；巧函数法；约束优化；算法性能度量－－１ＡｂｓｔｒａｃｔＡｂｓｔｒａｃｔＡｎｅｗｍｅｔａｈｅｕｒｉ巧ｉｃｏｔｉｍｉｓａｔｉｏ。ａｌｇｏｒｉｔｈｍｃａｌｌｅｄＣｕｃｋｏｏＳｅａｒｃｈＣＳｗａｓｄｅｖｅｌｏｅｄｐ，（），ｐｒｅｃｅｎｔｌｙｂＹａｎａｎｄＤｅｂ００９．Ｔｈｉｓａｌｏｒｉｔｈｍｉｓｂａｓｅｄｏ打ｔｈｅｏｂｌｉａｔｅｂｒｏｏｄａｒａｓ化ｉｃｙｇ口）ｇｇｐｂｅｈａｖｉｏｕｒｏｆｓｏｍｅｃｕ

7、ｃｋｏｏｓｅｃｉｅｓｉｎｃｏｍｂｉｎａｔｉｏｎ她Ｌｅｖｉｈｔｂｅｈａｖｉｏｒｏｆｍｅｂｉｒｄｓａｎｄｐｗｙｎｇｓｏｆｒｕｉｔｆｌｉｅｓ．Ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｓａｍｏｒｅｅｘｔｅｎｓｉｖｅｃｏｍｐａｒｉｓｏｎｓｔｕｄｙｕｓｉｎｇｓｏｍｅｓｔａｎｄａｒｄ化巧扣ｎｃｔｉｏｎｓａｎｄｎｅｗｌｙｄｅｓｉｇｎｅｄｓｔｏｃｈａｓｔｉｃ化巧ｆｉｉｎｃｔｉｏｎｓ．ＴｈｅｏｐｔｉｍａｌｓｏｌｕｔｉｏｎｓｏｂｔａｉｎｅｄｂｙＣＳａｒｅｆａｒｂｅｔｔｅｒｔｈａｎｔ

8、ｈｅｂｅｓｔｓｏｌｕｔｉｏｎｓｏｂｔａｉｎｅｄｂｙａｎｅｆｆｉｃｉｅｎｔｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｓｅｒａｎｄｕ－ｇｅｎｅｔｉｃａｌｏｒｉｔｈｍｓ．ｅｓ