基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
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.
推荐文章
云模型的布谷鸟搜索算法
布谷鸟搜索算法
云模型
云模型的布谷鸟搜索算法
基于粒子群算法的布谷鸟搜索算法
布谷鸟搜索
Levy飞行
粒子群优化算法
基于高斯扰动的布谷鸟搜索算法
布谷鸟搜索算法
高斯扰动
收敛速度
基于蚁群算法优化的布谷鸟搜索算法
Levy飞行
布谷鸟搜索算法
蚁群优化算法
鸟巢位置更新策略
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于差分进化的布谷鸟搜索算法
来源期刊 计算机应用 学科 工学
关键词 差分进化算法 布谷鸟搜索算法 收敛速度 函数优化
年,卷(期) 2014,(6) 所属期刊栏目 人工智能
研究方向 页码范围 1631-1635,1640
页数 6页 分类号 TP301.6
字数 5169字 语种 中文
DOI 10.11772/j.issn.1001-9081.2014.06.1631
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (27)
共引文献  (142)
参考文献  (12)
节点文献
引证文献  (17)
同被引文献  (68)
二级引证文献  (69)
1976(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(4)
  • 参考文献(2)
  • 二级参考文献(2)
2011(13)
  • 参考文献(2)
  • 二级参考文献(11)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(5)
  • 参考文献(5)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(5)
  • 引证文献(4)
  • 二级引证文献(1)
2016(7)
  • 引证文献(1)
  • 二级引证文献(6)
2017(27)
  • 引证文献(8)
  • 二级引证文献(19)
2018(20)
  • 引证文献(2)
  • 二级引证文献(18)
2019(24)
  • 引证文献(2)
  • 二级引证文献(22)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
差分进化算法
布谷鸟搜索算法
收敛速度
函数优化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用
月刊
1001-9081
51-1307/TP
大16开
成都237信箱
62-110
1981
chi
出版文献量(篇)
20189
总下载数(次)
40
论文1v1指导