基于均值的云自适应鸟群优化算法

摘要：

针对鸟群算法(bird swarm algorithm,BSA)在求解高维复杂优化问题时,存在收敛速度慢、寻优精度低等缺点,提出了一种基于均值的云自适应鸟群优化算法(a cloud adaptive bird swarm optimization algorithm based on mean,CAMBSA).通过云理论引入惯性权重修正鸟群觅食策略,同时引入"均值"的概念,修改鸟群觅食策略中的"认知部分"和"社会部分",有利于协调种群全局搜索能力,避免算法陷入早熟;为了使算法在迭代后期具有较好的多样性,采用混沌扰动.仿真试验表明,所提出的算法具有较好的收敛速度和寻优精度.

关键词：鸟群算法、云理论、惯性权重、均值、混沌

所属期刊栏目：19

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金61561001;宁夏高等教育一流学科建设项目NXYLXK2017B09

在线出版日期：2019-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：167-172