[发明专利]一种基于邻域拓扑的布谷鸟搜索算法

说明书

本发明公开的基于邻域拓扑的布谷鸟搜索算法，将预先定义的环形拓扑引入到布谷鸟搜索算法中，并利用邻域中的最优解来指导个体进化，进而设计一种邻域吸引方案，同时，为了进一步提高算法的勘探能力，邻域吸引方案和Levy飞行被组合在一起来生成新的候选解，并设置了一个转换参数来控制这两种策略之间的切换，本发明能够有效提高布谷鸟搜索算法在处理复杂优化问题时的性能。

技术邻域

本发明属于函数优化技术邻域，具体涉及一种基于邻域拓扑的布谷鸟搜索算法。

背景技术

许多现实问题均可转化为优化问题。近几十年来，研究者提出了一系列元启发式优化算法来处理这些优化问题，如粒子群算法(PSO)、差分进化(DE)、遗传算法(GA)、教与学算法(TLBO)、人类心理搜索(HMS)和松鼠搜索算法(SSA)等，鉴于这些优化算法的搜索能力优于传统的启发式方法，故而被广大研究者所赞赏。

布谷鸟搜索(CS)是一种模拟布谷鸟自然繁殖行为的元启发式优化算法，与其他算法不同的是，CS的搜索过程可分为全局和局部两个阶段，分别对应于勘探和开发；其中，利用Levy飞行随机行走策略来执行全局搜索，这是因为Levy分布具有无限均值和方差，有助于高效地勘探解空间，此外，利用具有一定概率的偏好随机游走来执行局部搜索以调整开发的程度，由于全局和局部搜索算子的组合应用，CS算法具有良好的收敛性能。

然而，在Levy飞行中，CS算法的搜索行为由整个种群中迄今为止所找到的最优解来指导，尽管该方案能加快算法的收敛速度，但在求解复杂多模问题时容易陷入局部最优，在进化算法中，邻域拓扑也时常被采用以增强其搜索能力，因此，为了保持勘探能力和种群多样性，需探索一种基于邻域拓扑的布谷鸟搜索算法，以提高布谷鸟搜索算法在处理复杂优化问题时的性能。

发明内容

本发明的目的是提供一种基于邻域拓扑的布谷鸟搜索算法，能够有效提高布谷鸟搜索算法在处理复杂优化问题时的性能。

本发明所采用的技术方案是，一种基于邻域拓扑的布谷鸟搜索算法，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。

本发明的特点还在于，