布谷鸟算法开题报告.doc

xxx大学
毕业论文开题报告
题目
布谷鸟算法的研究
系部
计算机科学学院
专业
计算机科学与技术
学生姓名
学号
指导教师
职称
毕设地点
xxx大学计算机科学学院计算机科学与技术专业
本科
 
毕业论文(设计)开题报告
学生姓名
学号
论文(设计)题目
布谷鸟算法的研究
选题的意义:
在计算机自动控制领域中, 控制和优化始终是两个重要问题。使用计算机进行控制和优化本质上都表现为对信息的某种处理。随着问题规模的日益庞大, 特性上的非线性及不确定性等使得难以建立精确的“数学模型”。人们从生命科学和仿生学中受到启发, 提出了许多智能优化方法, 为解决复杂优化问题(NP- hard 问题) 提供了新途径。20世纪后期,启发式智能算法脱颖而出,如遗传算法、蚁群算法、粒子群算法等,它们都是通过模拟生物的行为或自然界的现象来解决优化问题,是计算机算法设计和分析领域的研究热点之一。随着模拟生物行为的不断发展2009年,由剑桥大学的YANG Xin-she和DEB Suash在布谷鸟寻窝产卵的行为中,发现了一种新的搜索算法———Cuckoo Search算法(CS)。由于这种算法简单、高效、随机搜索路径优,并成功的应用于工程优化等实际问题中,成为启发式智能算法领域的一个新亮点。但CS算法也存在着搜索活力不足,搜索速度偏慢的缺点。针对该缺点,本文在研究基本CS算法的基础上,提出了基于高斯扰动的布谷鸟搜索算法(GCS)。基本CS算法在自然界中,布谷鸟寻找适合自己产卵的鸟窝位置是随机的或是类似随机的方式,为了模拟布谷鸟寻窝的方式,首先,需要设定以下3个理想的状态: (1)布谷鸟一次只产一个卵,并随机选择鸟窝来孵化它;(2)在随机选择的一组鸟窝中,最好的鸟窝将会被保留到下一代;(3)可利用的鸟窝数量n是固定的,一个鸟窝的主人能发现一个外来鸟蛋的概率Pa。
研究综述
CS 算法
在自然界中,布谷鸟寻找适合自己产卵的鸟窝位置是随机的或是类似随机的方式,为了模拟布谷鸟寻窝的方式。首先,需要设定以下3个理想的状态:
(1)布谷鸟一次只产一个卵,并随机选择鸟窝来孵化它;
(2)在随机选择的一组鸟窝中,最好的鸟窝将会被保留到下一代;
(3)可利用的鸟窝数量 n 是固定的,一个鸟窝的主人能发现一个外来鸟蛋的概率 p a ∈[0,1]。在这 3个理想状态的基础上,布谷鸟寻窝的路径和位置更新公式如下:
Xi(t +1) = Xi(t) + α⊕ L(λ),i = 1, 2,…, n.
其中
X i(t) 表示第i个鸟窝在第t代的鸟窝位置,⊕为点对点乘法,α表示步长控制量,L(λ)为 Levy 随机搜索路径,并且 L ~ u = t-λ,(1 < λ≤ 3)。通过位置更新后,用随机数 r∈[0,1]与 p a 对比,若r > p a ,则对 Xi(t +1)进行随机改变,反之不变。最后保留测试值较好的一组鸟窝位置Yi(t +1),此时仍把Yi(t +1)记为Xi(t +1)。
算法
在CS算法的第t次迭代后得到了一组较优越的鸟窝位置( t)
i2,GCS 算法是: 不让 x (i t) 直接进在 CS 算法的第 t 次迭代后得到了一组较优的鸟窝
i2,入下一次迭代,而是继续进行高斯扰动, x