.png){kind=icon}
返回
Hierarchical adaptive cuckoo search algorithm for global optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-024-04924-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
杜鹃搜索算法（CS）仍存在一些不足，例如全局搜索能力不足、探索局部最优值之外区域的挑战以及种群内有效信息利用不充分。为解决这些现有不足并提升杜鹃搜索算法的搜索性能，提出的解决方案是引入面向全局优化的分层自适应杜鹃搜索算法（HAGCS）。该算法整合了分布熵的概念以及加权适应度-距离平衡的排序选择方法。这些改进旨在增强种群内的信息交换并强化CS算法的局部搜索能力。此外，该算法包含自适应全局搜索策略，以提升全局搜索能力、增强种群多样性并有助于发现全局最优解。同时，引入分层巢穴替换策略以优化位置更新，降低陷入局部极值的风险。锯齿线性函数种群自适应策略的加入加速了算法收敛，而种群迁移则增强了算法应对次优场景的能力。实验评估了所提策略对步长的影响，将其与变体算法和TOP算法在CEC 2022测试集上进行对比，并将该算法应用于三个实际工程优化问题。结果表明，HAGCS表现出良好的实用性和可行性。
Keyword:
Cuckoo search
Global search
Population adaptation
Solving distributional entropy
Hierarchical structure
期刊
C
IF:
4.1
论文数:
5.0K
被引数:
7.5K
机构
引用论文
Golden jackal optimization: A novel nature-inspired optimizer for engineering applicationsGolden jackal优化: 一种用于工程应用的新颖的自然启发优化器
.png){kind=icon}
PREAI
分享收藏
OCRUN: An oppositional Runge Kutta optimizer with cuckoo search for global optimization and feature selectionOCRUN: 具有布谷鸟搜索功能的对立龙格库塔优化器，用于全局优化和特征选择
PREAI
分享收藏
查看更多内容