布谷鳥算法的改進及其應用研究.pdf

1、大量科學和工程問題都可以建模歸納為優(yōu)化問題，優(yōu)化問題主要包括無約束優(yōu)化、約束優(yōu)化和組合優(yōu)化三類。這些問題的解空間規(guī)模大、復雜，求解困難，到目前為止，該類問題仍然沒有得到很好地解決，因此，優(yōu)化問題的求解算法研究一直是工程優(yōu)化與計算智能領域的國際研究前沿與熱點。群體智能計算因其高效性已成為了一個重要研究方向。本文針對一種全新的群體智能算法——布谷鳥算法（Cuckoo Search,CS）開展研究，主要工作包括：布谷鳥算法的改進以及該算法在函

2、數(shù)優(yōu)化、約束優(yōu)化以及離散調(diào)度優(yōu)化問題中的應用。
　　首先介紹了優(yōu)化算法的本質(zhì)，總結了布谷鳥算法的基本理論框架和基本應用。在該理論框架下，引入師生交流算法中的師生交流機制，提出了基于師生交流機制的布谷鳥算法（Teaching-learning-based Cuckoo Search,TLCS），算法中，CS中丟棄的劣解部分通過Lévy飛行更新；對于其余的較優(yōu)解，則通過師生交流機制進行局部搜索。為了驗證TLCS的有效性，本文選取了40

3、個典型的標準測試函數(shù)對算法進行測試，并與相同參數(shù)設置下的布谷鳥算法和師生交流算法進行比較，實驗結果表明TLCS算法相對其他兩個算法有很大的性能提升。
　　其次，針對約束優(yōu)化問題，在已提出的TLCS基礎上，構建了新的約束處理機制，并采用13個著名的約束優(yōu)化問題對算法進行檢驗，并同其他算法進行比較分析。實驗結果顯示提出的TLCS算法在搜索精度和收斂速度以及穩(wěn)定性方面均要優(yōu)于其他算法。接著，將提出的TLCS應用于加工工藝參數(shù)優(yōu)化問題和結

4、構設計優(yōu)化問題。針對兩類工程問題分別選取了3個和4個代表性的案例，采用TLCS和其他算法分別對這些這些工程優(yōu)化問題進行求解，實驗結果驗證了TLCS算法的高效性和優(yōu)越性。
　　然后，為了拓展TLCS算法的應用范圍，針對流水車間調(diào)度問題這一典型的組合優(yōu)化問題，通過引入基于隨機鍵的編碼方式，將TLCS算法成功應用于離散型調(diào)度問題的求解，利用常用的流水車間調(diào)度標準測試問題對提出的算法進行驗證，仿真結果表明提出的算法是有效的，這為調(diào)度問題的