布谷鸟搜索算法

摘要： 推荐系统本质是一种信息检索技术,能根据用户喜好在海量数据中检索出合适数据推荐给用户,传统推荐系统一般使用协同过滤推荐算法,协同过滤推荐算法主要通过挖掘用户的历史行为数据进行推荐,但传统推荐算法存在着稀疏矩阵、冷启动、实时性等问题困扰[1];因此,本文提出一种基于自适应布谷鸟聚类搜索的改进推荐系统算法,首先对推荐数据进行聚类处理,然后利用布谷鸟算法较强的全局搜索能力,提升推荐系统的准确度,实验结果表明,引入自适应布谷鸟聚类搜索能对传统协同过滤算法在推荐精度、召回率等方面指标方面有一定提高,计算效果优于传统推荐算法。

摘要： 针对支持向量机(SVM)惩罚因子和核函数参数选择困难的问题,提出改进的布谷鸟搜索算法(GFCS)优化SVM参数模型(GFCS-SVM)。GFCS算法从3个方面改进原始布谷鸟搜索算法的寻优能力:用动态发现概率代替固定发现概率,自适应地调整布谷鸟莱维飞行的步长控制因子,在布谷鸟随机游走更新公式中改进动态惯性权重。利用GFCS算法优化SVM的惩罚因子和核函数参数,并在UCI数据集进行测试。与传统的SVM、粒子群算法优化SVM、萤火虫算法优化SVM和布谷鸟搜索算法优化SVM相比,GFCS-SVM分类准确率最高,是一种有效的SVM参数优化算法。

摘要： 同轴度误差是检验几何产品互换性的重要参考指标,对使用性能检测及产品品质的评价有着重大影响。粒子群算法(PSO)虽然应用广泛,但存在易陷入早熟和局部最优解、后期收敛较弱且缺乏全局收敛性等缺点。为使同轴度误差评定值精准度更高,以最小包容区域准则为框架,将同轴度问题转化为圆度和圆柱度误差评定,建立同轴度误差评定数学模型。运用一种适用于连续型优化问题,参数极少且局部搜索和全局搜索能力强的布谷鸟算法(Cuckoo Search Algorithm,CS)实现对同轴度误差的优化与评定。通过测量圆柱轮廓寸数据分析计算,对比文献数据结果进行验证,证明该评定方法的有效性及评定结果精确性,同时提供可视化结果。

摘要： 针对供输弹系统早期采集的信号中成分复杂,故障特征难以提取和识别的问题,提出一种基于模糊熵与布谷鸟改进的极限学习机(CS-ELM)的供输弹系统早期故障预示方法。运用改进的可调品质因子小波变换对信号进行滤波降噪,提取各子带信号的模糊熵特征;选取模糊熵值较大的5个子带进行重构,完成降噪并将其模糊熵组成特征向量;运用CS-ELM对所提取的特征向量进行早期故障预示并与ELM的诊断结果进行对比。试验结果验证了该方法的有效性,其预示准确率达90.7%。

摘要： 为了解决服务器集群在处理并发任务请求时请求分配不均衡和任务完成时间较长等问题,提出了一种基于布谷鸟搜索的集群负载均衡多目标优化调度算法。首先,依据服务器集群的任务请求分配特点,通过监控、记录服务器实时负载信息,构建与服务器实时负载信息相关的、以最小化任务完成时间和增强负载均衡有效度为目标函数的优化模型,确定决策变量为任务请求与服务器的匹配集。然后通过引入带精英策略的非支配排序布谷鸟搜索算法对决策变量进行迭代寻优,在适应度函数的选择更新下,找到符合全局最优的Pareto解集,调度机制根据确定最优的匹配集进行任务的调整与转发。仿真结果表明,所提调度算法在保证负载均衡的条件下能够尽可能地缩短任务完成时间,相比其他算法模型,其可扩展性效果更好。

摘要： 针对当前空调冷水机组耗能大、负荷分配不均的问题,在构建空调冷水机组负荷能耗模型基础上,提出一种种群粒子吸引策略的布谷鸟搜索算法(NCS)的模型求解方法。为验证求解算法的有效性,搭建实验环境,将NCS算法与GA算法、CS算法和PSO算法进行对比试验。结果表明:改进后的布谷鸟算法对比于其他算法,收敛精度和收敛速度都明显提高,负荷分配能耗更均衡,能耗消耗也更小。

摘要： 提出基于布谷鸟搜索算法的多智能体自动避障方法,提高多智能体的避障效果。基于人工势场法原理确定多智能体受到的引力、斥力及增益系数,通过布谷鸟个体优劣排序确定不同飞行方式以及设定权重系数实现布谷鸟搜索算法的改进,利用改进后的布谷鸟搜索算法优化人工势场法的引力、斥力增益系数,为各智能体提供避障路线规划,利用队形伸缩因子、环境适应度函数选择合适编队队形,实现多智能体的自动避障。实验结果表明:该方法可根据动态环中障碍物的分布,规划避障路线,并采取适合的编队队形完成自动避障,且对不同目标避障跟踪时,时间方差均值均低于0.15,具有突出避障效果。

摘要： 依据油中溶解气体含量特征准确识别变压器故障类型,对变压器的安全运行具有重要意义。考虑深度信念网络(DBN)对样本数据中的特征提取有独特优势,采用DBN作为故障识别模型,将变压器油中溶解气体原始数据集直接输入至训练模型,并通过3种智能搜索算法对DBN中批处理、梯度下降学习率、层神经单元数3个重要参数分别进行智能寻优,解决少量原始样本数据直接输入时故障识别率不高的问题。仿真结果表明,采用布谷鸟搜索算法(CS)优化DBN模型时比粒子群搜索算法(PSO)和遗传算法搜索(GA)优化的效果更好,CS-DBN模型的故障总识别率比GA-DBN的高4.2%,比PSO-DBN的提高2.5%,同时进化效率提高56.2%;CS-DBN模型的泛化性能也比另2种更好。

摘要： 怠速启停系统在一定程度上解决了汽车尾气排放问题,但在交通拥堵状态下该系统会频繁工作,电子节气门必须具有更好的动态响应特性以适应该情况。考虑电子节气门的非线性环节,设计一种带增益分数阶PID的控制器。针对依赖于人工优化分数阶PID控制参数的问题,基于布谷鸟搜索(Cuckoo Search,CS)算法,提出能够自适应优化控制参数的策略,以降低电子节气门的响应时间和超调量。仿真结果表明,在频繁怠速启停过程中,与未控电子节气门响应特性相比,在经过CS算法优化后的带增益分数阶PID控制下,系统在急刹车过程中响应时间减小0.380 s,超调量降低10.03%。在低速状态下匀加减速过程中,响应时间减小0.377 s,超调量降低25.28%。

摘要： 针对电力市场中电力需求受多元扰动因素影响、需求价格弹性变化增大的问题,为获取更准确、更综合的电力负荷预测值,提出一种考虑需求价格弹性的CS-SVM短期负荷预测方法.采用Pearson相关系数法分析负荷自相关性以及负荷与历史温度、湿度、电价、负荷差和电价差之间的相关性.基于需求价格弹性定义,建立了需求价格弹性模型,来反映电力市场交易对负荷的影响.利用布谷鸟搜索算法优化支持向量机的参数,建立了考虑需求价格弹性的CS-SVM短期负荷预测模型.以美国PJM电力市场哈特福德州的实际数据为例进行预测,并与对比模型进行预测结果误差对比分析.结果表明,所提出模型的平均相对百分比误差为13.43%,且相比于不引入需求价格弹性时的模型预测精度提高了5.31%.

摘要： 配电网中分布式电源的比重逐渐增大,而分布式电源的优化配置是一个复杂、非连续性、非凸、非线性优化问题.对此提出一种新颖的布谷鸟搜索算法,利用其较强的全局搜索能力,在分布式电源的个数、位置和容量均不确定情况下,对分布式电源进行优化配置.在分布式电源接入容量受渗透率约束的情况下,建立考虑建设费用、损耗费用及购电费用在内的经济效益模型,并将节点电压偏差作为罚函数加入至优化模型中,保证稳定运行的基础上达到效益最大化.最后将所提出的布谷鸟搜索算法与粒子群算法进行比较,说明采用布谷鸟算法的优越性.

摘要： 惩罚因子C和核函数参数σ的选择对于支持向量机(SVM)回归模型的拟合和预测精度至关重要.为克服SVM模型易陷入局部最优点的缺陷,提出基于高斯扰动的混合布谷鸟搜索算法(GCs),用于SVM参数的优选,提出GCS-SVM模型用于大坝变形监测非线性预警.通过实例验证分析表明,与SVM模型相比,GCS-SVM模型的预测精度和泛化能力均有一定程度的提高.

摘要： 多处理器任务调度问题是NP完全问题,现有的算法主要是启发式算法,性能还有待提高.本文基于布谷鸟搜索算法,提出一种新的调度算法.该算法以全部任务的最晚完成时间最小为目标,利用基于任务优先权的编码方式使连续的布谷鸟搜索算法适用于离散的多处理器任务调度问题.实验结果表明,CS算法不仅求解质量高,而且求解速度最快,执行时间与目前广泛采用的GA算法和PSO算法相比缩短超过60％.

摘要： 随机共振现象指在非线性系统中,通过调节噪声的强度或者系统的参数使得强噪声下的弱信号、噪声及非线性系统三者产生协同现象,这样系统的输出达到了最佳值.该算法与其它算法不同的地方是将高频部分的噪声能量转移到了有用信号上,很大程度上增强了弱信号,使埋没的噪声中的有用信号得到放大,到达提取有用信号的目的.然而,随机共振的参数对于共振效果影响很大,特别是参数之间的相互作用直接制约着共振效果.本文利用结构简单、控制参数少的布谷鸟搜索算法对随机共振参数进行优化,并将非周期自适应变尺度随机共振应用在锚杆检测信号方面.

摘要： 本发明改进布谷鸟搜索算法的圆度误差的评定算法，主要包括以下内容：通过数字化测量方法获取被测零件的圆度误差数据；建立圆度误差的最小区域法数学模型；利用布谷鸟搜索算法来求解方程，包括：参数定义，数据输入和混沌序列初始化种群；计算适应度函数值，选择出全局最优解；通过莱维飞行更新鸟巢位置；以一定的概率获取新的鸟巢位置；在最优解附近做二次插值操作，进一步更新最优解位置；判断是否满足停止准则，满足则输出最优解。本发明为了进一步提高圆度误差的求解精度，将布谷鸟搜索算法应用到圆度误差的评定之中。通过对改进布谷鸟搜索算法初始解和全局最优解等步骤，可以进一步提高算法的寻优能力，可以获取较高精度的机械构件圆度误差。

摘要： 本发明提出了一种基于改进布谷鸟搜索算法的微云部署方法。本发明将离散布谷鸟搜索算法和离散差分进化算法结合在一起，第一阶段通过离散化莱维飞行机制，更新布谷鸟种群的位置，将每一代种群中适应度最大的个体直接保留到下一代，避免它被交叉和变异操作破坏；第二阶段对布谷鸟算法的丢巢操作通过离散差分进化算法进行改进，对第一阶段的少部分劣质基因个体通过变异算子与优秀的父基因进行进化，在保留种群的优秀基因和增加种群的多样性的同时，加快算法的收敛速度。本发明算法求解速度快，能在大规模的物联网网络中使用较短时间求解出微云的永久部署位置，大幅度提高微云在网络中的使用效率和生存寿命。

摘要： 本发明涉及基于布谷鸟搜索算法的时间最优机械臂轨迹规划方法，属于多关节机械臂关节空间轨迹规划领域，以时间最优为性能指标，以速度最为约束条件，使用3‑5‑3多项式对机械臂进行轨迹规划，使机械臂能够在速度的约束下尽快的从起点运行到终点，提高整个系统的实时性。本发明使用智能优化算法求解各段轨迹所需的最优时间，首先使用速度作为约束条件，使用3段多项式的时间总和作为目标函数，并利用布谷鸟搜索算法在速度的约束下求解各段轨迹所需的最优时间，最后使用最优时间对机械臂进行轨迹规划。确保各个关节的速度满足速度的约束，加速度连续不突变，能够使得机械臂平稳的从起点运动到终点。

摘要： 本发明改进布谷鸟搜索算法的圆度误差的评定算法，主要包括以下内容：通过数字化测量方法获取被测零件的圆度误差数据；建立圆度误差的最小区域法数学模型；利用布谷鸟搜索算法来求解方程，包括：参数定义，数据输入和混沌序列初始化种群；计算适应度函数值，选择出全局最优解；通过莱维飞行更新鸟巢位置；以一定的概率获取新的鸟巢位置；在最优解附近做二次插值操作，进一步更新最优解位置；判断是否满足停止准则，满足则输出最优解。本发明为了进一步提高圆度误差的求解精度，将布谷鸟搜索算法应用到圆度误差的评定之中。通过对改进布谷鸟搜索算法初始解和全局最优解等步骤，可以进一步提高算法的寻优能力，可以获取较高精度的机械构件圆度误差。

摘要： 本发明公开一种融合布谷鸟搜索算法和狼群算法的测试函数寻优方法以及装置，涉及函数寻优领域。其中，所述方法通过采用迭代产生的前m个较小的第四测试函数值分别对应的第四自变量数值加权评估产生新的自变量数值，并将该新的自变量数值加入到最优的自变量数值序列中，提高了测试函数寻优的收敛速度和精度。

摘要： 本发明公开了一种基于布谷鸟搜索算法的SVM的配电网拓扑辨识方法，包括：利用SCADA系统采集不同拓扑结构下观测节点的多种负荷水平的断面电压幅值量测数据和相应的拓扑标签，进行标准化预处理得到训练数据集。根据训练数据集对支持向量机进行训练学习，并通过布谷鸟搜索算法对设置初始的惩罚因子C和核函数参数进行搜索分析分别获得其最优值；确定基于布谷鸟搜索算法优化的支持向量机的配电网拓扑辨识模型。从监测节点获取观测节点的断面电压幅值量测数据，并进行标准化预处理。利用得到配电网拓扑辨识模型对观测节点预处理后的断面电压幅值量测数据进行分析，确定节点的电路拓扑结构。本发明提出的方法均比传统方法具有很大的优越性。

摘要： 本发明涉及机器学习领域，尤其涉及一种新的基于布谷鸟搜索的XGBoost训练方法，本发明详细提出了一种新的极梯度提升模型(XGBoost)训练方法，并首次使用布谷鸟搜索算法(CS)同时调整了其九个参数。基于CS的XGBoost，在通过所提出的方法训练的XGBoost之后，应用于一个真实世界企业人事管理领域职员信息数据集的是否离职预测。此外，基于CS的XGBoost与现有的XGBoosts进行了比较，这些XGBoosts由其他优化算法训练，包括GA、PSO等，另外还有GBDT、RF、SVM和KNN四个分类器。实验结果和相应讨论表明，基于MFO的XGBoost在准确率、准确率、召回率等主要性能指标上均优于上述比较模型。

摘要： 本发明属于电力系统领域，涉及一种基于改进多目标布谷鸟搜索算法的热电联产机组负荷优化分配方法。本发明针对母管制热电联产机组，建立了考虑调峰收入的运行收益最大化与污染物排放最小化的目标函数模型，并考虑该问题的决策变量维数为nt+mt维，实际应用中该优化问题的维度基本在100维以上，属于高维多目标优化问题，故采取改进多目标布谷鸟搜索算法进行优化，解的收敛速度快，并具有良好的多样性，可以得到热电联产机组运行收益与污染物排放相互平衡的最佳方案。

摘要： 本发明涉及一种基于改进布谷鸟搜索算法的锅炉负荷分配方法及系统，属于热电厂锅炉控制技术领域。先建立适应度函数，再以适应度函数最小为优化目标，利用改进布谷鸟搜索算法对额定负荷进行优化分配，得到各台锅炉的最优负荷，从而能够合理对锅炉负荷进行分配，以合理规划锅炉的运行过程，减少碳排放。此外，通过令布谷鸟搜索算法的动态系数随迭代次数发生变化，以对布谷鸟搜索算法进行改进，能够使得算法的精度更高，得到的分配结果更加准确。

摘要： 本申请提供了一种基于布谷鸟搜索算法优化LSTM的瓦斯浓度预测方法和系统。该方法包括：对获取的煤矿井下瓦斯浓度数据进行处理，得到标准化瓦斯浓度数据；确定预先构建的LSTM预测模型的优化参数组合以及所述LSTM预测模型的准确性评价指标；基于布谷鸟搜索算法，根据所述LSTM预测模型的准确性评价指标和所述LSTM预测模型的优化参数组合，构建CS‑LSTM预测模型；根据所述煤矿井下的瓦斯浓度监测数据，对所述CS‑LSTM预测模型进行准确性评价。籍此，以通过优化完成的CS‑LSTM预测模型对煤矿瓦斯浓度进行预测，提高煤矿瓦斯浓度预测的精确性，指导煤矿安全生产。