求解多目标优化问题的改进布谷鸟搜索算法

针对求解多目标优化问题,提出一种改进的多目标布谷鸟搜索算法(IMOCS).相比于标准多目标布谷鸟搜索算法(MOCS),IMOCS在莱维飞行中使用动态自适应的步长控制量,并基于层级和拥挤度距离选择下一次莱维飞行的种群.为了验证算法的有效性,通过在测试实例(SCH,ZDT系列,LZ)计算所求Pareto前沿与真实Pareto前沿的广义距离和所求Pareto前沿的多样性来测试IMOCS的性能.结果表明,与MOCS,NSPSO,NSGA-II比较,IMOCS所求的广义距离更小,即由IMOCS所求Pareto前沿更加接近于真实Pareto前沿,同时IMOCS的Pareto前沿分布更加广泛和均匀,即多样性更好.

分段加权布谷鸟算法及其应用

为解决布谷鸟局部搜索与全局搜索的协调问题,提高后期收敛速度,对算法搜索进行分段处理,通过引入一种动态自适应步长控制量以及相应的分段加权位置更新公式,提出一类改进的布谷鸟算法。选取12个经典约束优化问题和部分结构优化设计问题对改进算法进行验证。研究结果表明,相对于其他算法,该算法对以上大部分问题具有较好的运算结果。