[发明专利]布谷鸟搜索方法

权利要求书

1.一种布谷鸟搜索方法，其特征在于，包括将种群的分布带入到布谷鸟搜索算法中，将种群第j维度的分布熵引入到第j维度的步长控制因子，所述第j维度的分布熵S_j的公式为：

改进后所述第j维度的步长控制因子α_j为：

其中，N为布谷鸟种群总数、D为搜索维度，将寻优搜索空间分为K个搜索子空间，每个子空间含有个体数为n_i，i＝1，2...，K；j＝1，2，...，D。

2.根据权利要求1所述的布谷鸟搜索方法，其特征在于，将莱维飞行机制与种群第j维度的分布熵结合并更新公式为：

其中，t代表当前第t代巢穴，t-1代表上一代巢穴。

3.根据权利要求2所述的布谷鸟搜索方法，其特征在于，所述的布谷鸟搜索算法与种群的分布结合后具体包括如下步骤：

S1初始化参数，生成种群数量为N的初始鸟巢；

S2计算每个巢穴对应适应度，获得当前最优适应度f_best，获得当前最优位置x_best；

S3将莱维飞行机制与种群第j维度的分布熵进行结合，计算适应度和当前最优位置x^t_best与最优舒适值f^t_best；

S4判断f^t_best与f_best的大小，若f^t_best＞f_best，则无需数据处理，否则，进行数据替换：

S5判断发现概率pa和生成随机数r的大小：

若r≤pa，则保留原巢穴，若r＞pa，则舍弃原巢穴，利用随机游走策略生成等量的新巢穴替换原来的巢穴；

计算本步骤中的当前最优位置与最优舒适值

S6判断与f_best的大小，若则无需数据处理，否则，进行数据替换：

S7判断步骤6中的x_best和f_best是否超过最大迭代值，若没有超过则重复步骤S2的操作直至x_best和f_best经处理后超过最大迭代值，将x_best作为全局最优解和f_best作为最优适应度输出；

若步骤6中的x_best和f_best超过最大迭代值，则直接将x_best作为全局最优解和f_best作为最优适应度输出。

4.根据权利要求3所述的布谷鸟搜索方法，其特征在于，所述步骤S1中生成种群数量为N的初始鸟巢包括下述公式：

其中，为初始第0代鸟巢中第k个鸟巢的位置。

5.根据权利要求4所述的布谷鸟搜索方法，其特征在于，根据鸟巢的位置对应计算每个鸟巢的对应适应度的公式为：

f_i＝f(x_i) (7)

其中，x_i为第i个鸟巢位置。