基于自适应t分布变异的缎蓝园丁鸟优化算法 -附代码

最新推荐文章于 2024-09-18 08:19:27 发布

智能算法研学社（Jack旭）

最新推荐文章于 2024-09-18 08:19:27 发布

阅读量1.6k

点赞数

分类专栏：智能优化算法改进文章标签：缎蓝园丁鸟优化算法自适应t分布变异算子全局优化局部开发

本文链接：https://blog.csdn.net/u011835903/article/details/124902751

版权

智能优化算法改进专栏收录该内容

200 篇文章 216 订阅

订阅专栏

基于自适应t分布变异的缎蓝园丁鸟优化算法

文章目录

基于自适应t分布变异的缎蓝园丁鸟优化算法

摘要：缎蓝园丁鸟优化算法是一种新型的元启发式优化算法，针对其收敛速度慢、寻优精度低的不足，提出了一种基于自适应ｔ分布变异的缎蓝园丁鸟优化（tSBO）算法．在tSBO算法中引入了自适应ｔ分布变异算子，使用算法的迭代次数作为ｔ分布的自由度参数来增强种群的多样性，避免算法陷入局部最优．

1.缎蓝园丁鸟优化算法

基础缎蓝园丁鸟优化算法算法的具体原理参考，我的博客：https://blog.csdn.net/u011835903/article/details/107857884

2.自适应ｔ分布变异

ｔ分布又称学生分布，含有参数自由度ｎ，它的曲线形态与自由度ｎ的大小有关，ｎ的值越小，其曲线越平坦，曲线中间越低，曲线双侧尾部翘得越高，ｔ（ｎ→ ∞）→ Ｎ（０，１），ｔ（ｎ＝１）＝ｃ（０，１），其中Ｎ（０，１）为高斯分布，Ｃ（０，１）为柯西分布，即标准高斯分布和柯西分布是ｔ分布的两个边界特例分布，三者的函数分布如图１所示．

请添加图片描述

图１柯西分布、ｔ分布和高斯分布函数分布图

对求偶亭的位置 $X_{i}=\left(x_{i 1}, x_{i 2}, \cdots, x_{i n}\right)$ 定义见式：
$x_{i}^{t}=x_{i}+x_{i} \cdot t(\text { iter })$
式中， $x_i^t$ 为变异后的求偶亭个体位置； $x_i$ 为第 $i$ 个求偶亭个体的位置； $t (i t e r)$ 为以算法的迭代次数 $i t e r$ 为参数自由度的 $t$ 分布．该定义式子在 $x_i$ 的基础上增加了 $t$ 分布型随机干扰项 $x_i.t(iter)$ ，充分利用当前种群的信息干扰，使得个体能够跳出局部最优，收敛于全局极值点，同时也提高了收敛速度。

自适应ｔ分布变异使用算法的迭代次数作为ｔ分布的自由度参数，在算法运行初期，迭代次数的值较小，ｔ分布变异近似于柯西分布变异，算法具有良好的全局探索能力；在算法运行后期，ｔ分布变异近似于高斯分布变异，算法具有良好的局部开发能力；在算法运行中期，ｔ分布变异介于柯西分布变异和高斯变异之间．ｔ分布的变异算子结合了高斯算子和柯西算子的优势，同时提高了算法的全局探索性和局部开发性。

3.建立自适应ｔ分布变异的缎蓝园丁鸟优化算法

针对基本缎蓝园丁鸟算法存在的寻优精度低，收敛速度慢，易陷入局部最优等缺点，本文提出了一种自适应 $t$ 分布变异的缎蓝园丁鸟优化算法，其思想是在求偶亭位置更新后，引入以迭代次数为自由度参数的自适应 $t$ 分布，这样就增强了种群的多样性，有利于算法跳出局部最优，同时也提高了搜索速度． $t S B O$ 的具体步骤如下：