混沌云模型多目标布谷鸟搜索算法

作者：马艺元; 宋卫平; 宁爱平; 牛海帆

来源：计算机应用, 2017, 37(04): 1088-1092.

• 多目标布谷鸟搜索算法
• 混沌理论
• 云模型
• Pareto前沿
• 函数优化

针对多目标布谷鸟搜索算法(MOCS)迭代后期寻优速度慢,并且容易造成局部最优等缺点,提出一种混沌云模型多目标布谷鸟搜索算法(CCMMOCS)。首先在进化过程中通过混沌理论对一般的布谷鸟巢位置在全局中寻求优化,以防落入局部最优;然后利用云模型对较好的布谷鸟巢位置局部优化来提高精度;最后将两种方法对比得到相对更好的解作为最优值以完成优化。对比误差估计值及多样性指标,由5个常用多目标测试函数仿真结果可知,CCMMOCS比传统多目标布谷鸟搜索算法、多目标粒子群算法(MOPSO)及多目标遗传(NSGA-Ⅱ)算法性能更好,Pareto前沿更接近理想曲线,分布也更均匀。

• 出版日期2017
• 单位电子信息工程学院; 太原科技大学