自适应调整的布谷鸟搜索K-均值聚类算法

针对布谷鸟搜索(CS)算法后期收敛速度慢,传统K-均值算法对初始簇中心选择比较敏感,提出了一种自适应调整的布谷鸟搜索及优化初始K-均值聚类算法(CSSA-OIKM)。首先,由集群度与距离均衡优化选择初始簇中心;其次,融合粒子群算法思想,遵循自适应优化学习策略以均衡CS算法全局与局部精细搜索能力;最后,在改进CS算法的基础上引入自适应度调节步长因子与动态变化发现概率,增强算法收敛性能。通过对经典数据集的仿真实验分析,相比K-均值算法、PSO-K-均值算法及CS-K-均值算法来说,提出的CSSA-OIKM算法能有效提高聚类精确性,且算法稳定性好。

基于改进布谷鸟搜索算法的矿震震源定位方法研究

矿震震源定位精度对于矿山监测十分重要,为进一步加快算法的收敛速度,提升算法的稳定性,提高定位的准确度,提出一种基于改进布谷鸟搜索算法的震源定位算法(ICS).该算法首先利用差值绝对值得到目标函数,然后在布谷鸟搜索算法的基础上,通过引入基于自适应度调节的步长比例因子和动态变化的发现概率,以改进选取鸟巢位置的方式,最后使用改进布谷鸟搜索算法对目标函数寻优求解.通过模拟实验比较可得,当速度在±1%、±3%和±5%的范围内浮动时,ICS算法的定位精度均高于原始布谷鸟搜索算法(CS)、海鸥优化算法(SOA)、灰狼优化算法(GWO)和非线性最小二乘法(NLS),相同情况下,ICS算法比原始CS算法的收敛速度提升52%.通过对内蒙古某煤矿的微震事件进行定位分析,ICS算法的定位误差由原始CS算法的40.1 m下降为23.3 m,定位精度提高了42%.验证了ICS算法具有更高的准确性和更快的收敛性.