[发明专利]一种基于动态邻域学习的布谷鸟搜索算法

权利要求书

1.一种基于动态邻域学习的布谷鸟搜索算法，其特征在于，具体按照以下步骤实施：

步骤1、对以下参数进行初始化：种群规模N、问题维数D、最大迭代次数t_max、发现概率p_a、学习概率p_c，生成初始种群X(x₁…,x_i…,x_N)；

步骤2、计算个体x_i的适应度f(x_i)；

步骤3、设定个体最优解pb_i＝x_i，确定所述初始种群中的全局最优解x_best及其适应度f_best，并令当前迭代次数t＝1；

步骤4、算法进行迭代；

步骤5、选择学习范例，即若随机数rand＜p_c，则个体x_i的每一维从其邻域中选择学习范例并向学习范例学习；否则，个体x_i向它自身学习；

步骤6、采用修改后的Levy飞行策略生成新解；

步骤7、计算新解的适应度，若新解优于当前解，则用新解替换当前解，同时，将新解设为个体最优解pb_i，否则保留当前解；

步骤8、若随机数rand＞p_a，则采用偏好随机行走再次生成新解，否则跳转至步骤10；

步骤9、计算新解的适应度，若新解优于当前解，则用新解替换当前解；同时，将新解设为个体最优解pb_i，否则保留当前解；

步骤10、确定全局最优解x_best及其适应度f_best；

步骤11、判断t≥t_max是否成立，若成立，则迭代结束；否则跳转至步骤4继续迭代，且迭代次数加1。

2.根据权利要求1所述的一种基于动态邻域学习的布谷鸟搜索算法，其特征在于，步骤5中，所述选择学习范例具体按照以下步骤实施：

步骤5.1、定义一个向量用于判断个体x_i向所述种群中哪个个体的最优解pb_i学习；

步骤5.2、确定邻域规模，并定义个体x_i的邻域；

步骤5.3、生成一个随机数rand，若rand＜p_c，则从个体x_i的邻域中选择学习范例，此时，m_i＝i-1或m_i＝i+1；反之，个体x_i向它本身学习，即m_i＝i。

3.根据权利要求1所述的一种基于动态邻域学习的布谷鸟搜索算法，其特征在于，步骤6中，所述修改后的Levy飞行策略表示为：

式(1)中，为第i个个体第d维的最优解；u_i与x_i分别为新解和当前解；α为步长因子；m_i为所定义的一个向量；表示点乘积；s_L为服从Levy分布的随机数。

4.根据权利要求1所述的一种基于动态邻域学习的布谷鸟搜索算法，其特征在于，步骤8中，所述偏好随机行走表示为：

u_i＝x_i+r(x_r1-x_r2) (2)，

式(2)中，r为一个服从均匀分布的随机数；x_r1和x_r2为两个随机解；u_i与x_i分别为新解和当前解。