基于改进布谷鸟搜索算法的配电网重构

针对布谷鸟算法后期搜索速度慢、精度不高等缺点,提出了一种基于自适应值的布谷鸟优化算法,将粒子群算法的学习因子融入标准CS算法中,通过引入群体信息共享和个体经验思想,提出自适应步长及发现概率的双重改进.最后对IEEE33节点配电系统进行仿真,结果显示,所提算法在求解配电网重构问题方面不仅能快速收敛,且全局寻优能力也更加优秀.     

一种改进的共轭梯度法及全局收敛性

在DY共轭梯度法的基础上对解决无约束最优化问题提出一种改进的共轭梯度法．该方法在标准wolfe线搜索下具有充分下降性，且算法全局收敛．数值结果表明了该算法的有效性．最后将算法用于SO2氧化反应动力学模型的非线性参数估计，获得满意效果．     

基于复数编码的布谷鸟搜索算法

针对布谷鸟搜索算法（CS ）后期收敛速度慢、计算精度不高等缺点,提出了一种基于复数编码的布谷鸟搜索算法（PCS ）,该算法种群内部引入复数编码策略,拓展个体基因包含的信息量,增强了群体中个体的多样性。仿真实验结果表明,同原始布谷鸟搜索算法相比,该算法提高了收敛速度和收敛精度,减少局部收敛。     

多策略调和的布谷鸟搜索算法

布谷鸟搜索（CS）算法是一种新型的群智能算法,结构简单且寻优能力较强,但存在勘探与开采不平衡以及易陷入局部极值的问题。提出一种多策略调和的布谷鸟搜索（MSRCS）算法,基于概率规则选择由自适应步长和改进解更新方法组成的调和策略对布谷鸟个体进行更新,其中自适应步长引导布谷鸟在更好的方向上寻优,3种改进的解更新方法分别从自身邻域、当前最优个体和随机位置3个角度对勘探和开采进行调和,从而提升全局搜索和局部搜索在迭代过程中的适应性。在CEC2013测试集的28个基准函数上的实验结果表明,MSRCS算法至少有12个测试函数优于原始CS及其7种改进算法且排名第一,在求解单峰、多峰和组合函数问题时寻优能力更强,同时相比于3种经典群智能优化算法具有更快的收敛速度和更高的解精度。     

学习策略布谷鸟搜索算法

由于布谷鸟搜索算法中的布谷鸟具有相同的搜索策略,而类似的搜索方法使得布谷鸟容易陷入局部极值,因此本文提出了一种结合粒子群算法思想和优化莱维机制的新算法——学习策略布谷鸟搜索算法.该算法将权重参数引入莱维机制中,以增大算法在后期搜索到优质解的概率.本文选取了文献中的7个基准函数用于测试学习策略布谷鸟搜索算法的性能,将其与...     

强迫下降的三项共轭梯度法

基于共轭和下降性质,提出了一种强迫下降的三项共轭梯度法,证明了算法在Wolfe线搜索下的全局收敛性,并进行了数值比较实验.理论与数值试验结果表明这个算法是一个值得研究的方法.     

一类基于Armijo搜索的改进DY共轭梯度法及其全局收敛性

本文通过结合MFR方法与MDY方法,对搜索方向进行调整,提出了一类求解无约束优化问题的修正DY共轭梯度法,该法在每步迭代都能不依赖于任何搜索而自行产生充分下降方向．在适当的条件下,证明了在Armijo搜索下对于非凸的优化问题,本文算法是全局收敛的．数值实验表明本文算法是有效的．     

基于差分进化的布谷鸟搜索算法

针对基本布谷鸟搜索算法局部搜索能力弱、寻优精度低等不足,提出了一种具有差分进化策略的改进布谷鸟搜索算法。该算法是在种群进入下一次迭代之前在其个体上增加两个带权的差来实现个体变异,再对其进行交叉、选择操作得到最优个体,使缺乏变异机制的布谷鸟搜索算法具有变异能力,从而提高布谷鸟搜索算法的多样性,避免种群个体陷入局部最优,增强算法全局寻优能力。对几种经典测试函数和1个典型应用实例进行测试,仿真实验结果表明,新算法具有更好的全局搜索能力,在收敛精度、收敛速度以及寻优成功率等性能上显著优于基本布谷鸟搜索算法。     

基于骑手优化的动态布谷鸟搜索算法

针对传统布谷鸟搜索算法（cuckoo search,CS）对复杂问题收敛精度低、迭代步幅局限性大的特点,提出了基于骑手优化的动态布谷鸟搜索策略（rider optimization cuckoo search,ROCS）。结合骑手优化算法（rider optimization algorithm,ROA）思想,利用多种群在单周期内进行多策略寻优,动态使用最优策略进行加强搜索,提高算法对复杂问题的收敛效率;同时对Lévy飞行运动进行动态参数调节,改善算法搜索前期及末期表现。仿真测试结果显示,改进算法对复杂问题的优化表现优于比对算法,算法寻优效率得到显著改善。     

带共轭梯度算子的爆炸搜索算法

爆炸搜索算法作为一种全局优化算法,在迭代后期会出现收敛速度慢、精度低的问题,而传统的优化算法恰好能克服这些缺点。因此,引入一种传统算法——近似共轭梯度法,即用差商代替导数的共轭梯度法。在此基础上,提出了带共轭梯度算子的爆炸搜索算法,先引入了新的变异算子来提高算法的全局搜索能力,再运用共轭梯度法添加一个新的算子——共轭梯度算子,实现对最优炸点的局部搜索,从而提高算法的收敛速度与精度。6个常用的benchmark函数的测试结果说明,改进算法的优化结果明显优于原算法。     

基于Powell局部搜索策略的全局优化布谷鸟算法

为了解决布谷鸟搜索算法后期收敛速度慢、求解精度不高、易陷入局部最优等缺陷,提出了一种基于Powell局部搜索策略的全局优化布谷鸟搜索算法.算法将布谷鸟全局搜索能力与Powell方法的局部寻优性能有机地结合,并根据适应度值逐步构建精英种群候选解池在迭代后期牵引Powell搜索的局部优化,在保证求解速度、尽可能找到全局极值点的同时提高算法的求解精度.对52个典型测试函数实验结果表明,该算法相比于传统的布谷鸟搜索算法不仅寻优精度和寻优率有所提高,并且适应能力强、鲁棒性好,与最新提出的其他改进算法相比也具有一定的竞争优势.     

作业车间调度问题的布谷鸟搜索算法求解

布谷鸟搜索算法是一种新型元启发式优化算法,该算法受到自然界中布谷鸟的巢寄生行为启发而提出。首先分析了布谷鸟搜索算法的仿生原理和数学描述,采用基于工序的编码方式对最小化最大完工时间的作业车间调度问题进行布谷鸟搜索算法求解。通过典型算例进行仿真实验,测试结果表明布谷鸟搜索算法求解作业车间调度问题的可行性和有效性,优于萤火虫算法和基本粒子群算法,是解决生产调度问题的一种有效方法。     

单纯形法的布谷鸟搜索算法及其在约束优化问题中的应用

为求解约束优化问题,针对布谷鸟搜索算法(CS)后期收敛速度慢,求解精度不高等不足,利用单纯形法局部搜索能力强的特点,提出了基于单纯形法的布谷鸟搜索算法(SMCS)。算法首先用CS算法进行全局搜索,再用单纯形法进行局部搜索。10个标准测试函数的实验结果表明,SMCS算法相对于CS算法有更强的寻优能力,再将算法用于求解减速器设计、伸缩绳设计、焊接条设计等约束优化问题。实验结果表明,CS算法和SMCS算法均能求出比其他文献更优的解,且SMCS算法求出的解更优、稳定性更强。     

自适应布谷鸟搜索算法

为了使布谷鸟搜索算法(Cuckoo Search,CS)在保持强大的全局搜索能力的同时,尽可能地提高局部搜索能力,在深入分析CS算法机理的基础上,将CS算法中影响布谷鸟搜索路径步长的参数β和布谷鸟蛋被发现(淘汰)的概率p_a由固定值改为随搜索过程自适应变化的动态参数,将越界的鸟窝折返回边界内、在当前代最优鸟窝附近的区域随机建立1个新的鸟窝、而非折返回边界上重新建立鸟窝,以提高算法的局部搜索能力和收敛速度。改进后的CS算法称为自适应布谷鸟搜索算法(Adaptive Cuckoo Search,ACS)。通过8个标准测试函数分别测试了CS算法和ACS算法的性能,结果表明,无论是简单的单峰函数还是复杂的多峰函数,无论是小型的低维函数还是大型的高维函数,ACS算法的寻优性能均超过CS算法。     

基于Tempered Levy Flight随机游走模型的布谷鸟搜索算法

现实生活的众多领域中存在着各式各样的复杂网络,复杂网络搜索问题是复杂网络理论研究中的重要课题之一,对人们的生活具有重要的现实意义。布谷鸟搜索算法是一种启发式算法,利用Levy Flight能够快速寻找到全局最优解。通过研究复杂网络随机游走模型,并根据经典布谷鸟搜索算法,提出了一种新的改进的Tempered L?vy Flight搜索算法。通过几个经典函数测试表明：改进的算法提高了其搜索精度,加快了搜索算法的收敛速度。此外,改进的搜索算法还能够调整搜索范围,增加种群多样性,增强自适应效果,提高算法的整体性能。     

A sufficient descent conjugate gradient method and its global convergence

In this paper, a DL-type conjugate gradient method is presented. The given method is a modification of the Dai–Liao conjugate gradient method. It can also be considered as a modified LS conjugate gradient method. For general objective functions, the proposed method possesses the sufficient descent condition under the Wolfe line search and is globally convergent. Numerical comparisons show that the proposed algorithm slightly outperforms the PRP+ and CG-descent gradient algorithms as well as the Barzilai–Borwein gradient algorithm.     

基于种群特征反馈的布谷鸟搜索算法

布谷鸟搜索(CS) 算法是一种新型的生物启发式算法. 为了提高算法对不同优化问题的适应能力, 根据反馈控制原理提出一种基于种群特征反馈的布谷鸟搜索(SFFCS) 算法, 将年龄结构、变异成功率等种群特征作为反馈信息引入算法框架, 动态调节算法参数, 同时引入双进化策略机制和策略选择概率, 加强算法对局部搜索和全局搜索的平衡能力. 对标准测试函数和电力系统最优潮流问题进行数值实验, 实验结果表明, SFFCS 算法具有较好的收敛性能和适应能力, 验证了所提出算法的有效性和工程应用价值.

     

Sufficient descent conjugate gradient methods for large-scale optimization problems

Sufficient descent condition is very crucial in establishing the global convergence of nonlinear conjugate gradient method. In this paper, we modified two conjugate gradient methods such that both methods satisfy this property. Under suitable conditions, we prove the global convergence of the proposed methods. Numerical results show that the proposed methods are efficient for the given test problems.