基于logistic模型的自适应布谷鸟算法

陈华，张艺丹

中国石油大学（华东）理学院，山东青岛266580

基于logistic模型的自适应布谷鸟算法

陈华，张艺丹

中国石油大学（华东）理学院，山东青岛266580

针对标准布谷鸟算法的相关问题，提出了一种基于logistic模型的动态步长控制因子和动态发现概率的改进布谷鸟算法。改进的算法在运行时可以自动调节步长控制因子和发现概率的大小，且在算法初期可以使种群保持多样性，提高了全局最优值的搜索能力；随着局部最优值搜索能力的增强，算法在后期逐渐趋于稳定。通过用几种典型的Benchmarks函数进行模拟试验，试验结果证实了所提出的算法计算精度高、收敛速度快。

布谷鸟算法；logistic模型；动态步长控制因子；动态发现概率

1 引言

随着元启发式算法[1]的不断推广与应用，2009年C. V.Raman工程学院的Suash Deb和剑桥大学的Xin-she Yang因受布谷鸟孵育寄生行为的启发而提出了Cuckoo Search算法，即，布谷鸟算法（CS）[2]。更重要的是，该算法用Levy飞行[3]取代了简单的各向同性随机搜索路径，这很好地增强了算法的搜索功能。近几年的研究表明，布谷鸟搜索算法（CS）全局优化的性能明显大大地优于粒子群优化算法（PSO），但仍然存在一些不足。因此，对布谷鸟算法（CS）改进方面进行更加深入的研究非常有意义。

通过观察标准CS算法中的位置更新公式可以发现，α值对收敛速度能够产生较大的影响，α值过大或α值过小都对算法收敛速度有不好的影响。所以，针对α值采用逐步递减策略，在算法初期保证α值足够大以增强解的多样性，进一步加强算法全局搜索的能力；……