[发明专利]一种基于邻域拓扑的布谷鸟搜索算法

权利要求书

1.一种基于邻域拓扑的布谷鸟搜索算法，其特征在于，具体按照如下步骤实施：

步骤1、对以下参数进行初始化：种群规模N、解空间维数D、最大迭代次数kmax、发现概率p_a、转换参数p_s、分布参数β；

步骤2、随机初始化个体x_i，计算所述个体x_i的适应度f(x_i)，并令当前迭代次数k＝1；

步骤3、确定种群中的最优解x_best及其适应度f_best；

步骤4、确定个体x_i的邻域；

步骤5、算法进行迭代；

步骤6、确定个体x_i邻域中的最优解x_i,neigbest；

步骤7、若rand＜p_s，采用Levy飞行策略生成新的候选解；否则，采用邻域吸引方案生成新解；

步骤8、评估步骤7得到的新解的质量；若此解优于当前解，则用此解替换当前解；

步骤9、采用偏好随机游走生成新的候选解；

步骤10、评估步骤9得到的新的候选解质量；若此解优于当前解，则用此解替换当前解；

步骤11、确定全局最优解x_best及其适应度f_best；

步骤12、判断当前的迭代次数k是否达到所预设的最大迭代次数kmax，若达到，则迭代结束；否则令k＝k+1，跳转至步骤5继续迭代。

2.如权利要求1所述的一种基于邻域拓扑的布谷鸟搜索算法，其特征在于，步骤2中，所述个体x_i的初始化方式为：

x_i(1)＝rand(1,D)·(Upper-Lower)+Lower (1)；

式(1)中，rand为区间[0,1]内的随机数，Upper和Lower分别为搜索空间的上界和下界。

3.如权利要求1所述的一种基于邻域拓扑的布谷鸟搜索算法，其特征在于，步骤7中，所述Levy飞行策略为：

x_i(k+1)＝x_i(k)+step·Levy(λ) (2)，

step＝α·(x_i(k)-x_best(k)) (3)，

式(2)～式(4)中，x_i(k+1)为新解，x_i(k)为当前解，α为刻度因子，取值0.01，Levy(λ)为随机搜索路径，β为分布参数；m和n为两个服从正态分布的随机数，即

4.如权利要求1所述的一种基于邻域拓扑的布谷鸟搜索算法，其特征在于，步骤7中，所述邻域吸引方案表示为：

x_i(k+1)＝x_i(k)+r·(x_i,neigbest(k)-x_i(k)) (5)；

式(5)中，r为[0,1]之间的随机数，x_i,neigbest为个体x_i邻域中的最优解。

5.如权利要求1所述的一种基于邻域拓扑的布谷鸟搜索算法，其特征在于，步骤9中，所述偏好随机游走策略表示为：

式(6)中，r和rand为区间[0,1]上均匀生成的随机数；x_h和x_l为种群中两个不同的解；p_a为发现概率，取值0.25。