基于自适应t分布变异的缎蓝园丁鸟优化算法 -附代码

原创

智能算法研学社_Jack旭 2023-05-04 12:08:40 博主文章分类：智能优化算法改进 ©著作权

文章标签 算法概率论机器学习 matlab 自适应 文章分类 Java 后端开发

©著作权归作者所有：来自51CTO博客作者智能算法研学社_Jack旭的原创作品，请联系作者获取转载授权，否则将追究法律责任

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

1.缎蓝园丁鸟优化算法
2.自适应ｔ分布变异
3.建立自适应ｔ分布变异的缎蓝园丁鸟优化算法
4.实验结果
5.参考文献
6.Matlab代码
7.python代码

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

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．

基于自适应t分布变异的缎蓝园丁鸟优化算法 -附代码_自适应

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 $基于自适应t分布变异的缎蓝园丁鸟优化算法 -附代码_自适应_02$ 定义见式：
$基于自适应t分布变异的缎蓝园丁鸟优化算法 -附代码_matlab_03$
式中， $基于自适应t分布变异的缎蓝园丁鸟优化算法 -附代码_机器学习_04$ 为变异后的求偶亭个体位置； $基于自适应t分布变异的缎蓝园丁鸟优化算法 -附代码_概率论_05$ 为第 $基于自适应t分布变异的缎蓝园丁鸟优化算法 -附代码_自适应_06$ 个求偶亭个体的位置； $基于自适应t分布变异的缎蓝园丁鸟优化算法 -附代码_概率论_07$ 为以算法的迭代次数 $基于自适应t分布变异的缎蓝园丁鸟优化算法 -附代码_概率论_08$ 为参数自由度的 $基于自适应t分布变异的缎蓝园丁鸟优化算法 -附代码_自适应_09$ 分布．该定义式子在 $基于自适应t分布变异的缎蓝园丁鸟优化算法 -附代码_概率论_05$ 的基础上增加了 $基于自适应t分布变异的缎蓝园丁鸟优化算法 -附代码_自适应_09$ 分布型随机干扰项 $基于自适应t分布变异的缎蓝园丁鸟优化算法 -附代码_自适应_12$ ，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 $基于自适应t分布变异的缎蓝园丁鸟优化算法 -附代码_自适应_09$ 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 $基于自适应t分布变异的缎蓝园丁鸟优化算法 -附代码_自适应_09$ 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． $基于自适应t分布变异的缎蓝园丁鸟优化算法 -附代码_机器学习_15$ 的具体步骤如下：

Step1：初始化tSBO 算法的参数，包括变异概率 $基于自适应t分布变异的缎蓝园丁鸟优化算法 -附代码_自适应_16$ 、最大迭代次数 $基于自适应t分布变异的缎蓝园丁鸟优化算法 -附代码_matlab_17$ 、最大步长 $基于自适应t分布变异的缎蓝园丁鸟优化算法 -附代码_概率论_18$ 等;