智能混合布谷鸟与爬山算法提升优化效率：沙特国王大学研究

沙特国王大学学报上的一篇研究论文探讨了智能混合布谷鸟搜索和爬山算法在解决优化问题中的应用。该论文由比拉尔·哈贝德-阿尔古尼和法赛尔·阿勒哈利特撰写，他们分别来自约旦伊尔比德耶尔穆克大学计算机科学系。布谷鸟搜索（CS）作为一种Meta启发式算法，模仿了布谷鸟的繁殖行为和Lévy飞行特性，用于处理离散和连续优化任务。然而，CS的主要挑战之一是过早收敛到次优解，因为其优化算子可能导致解决方案多样性不足。 为解决这一问题，论文提出了一个创新的混合算法——CSBHC（布谷鸟搜索与b-爬山算法的智能结合）。b-爬山算法是一种爬山算法的改进版本，能够在相对较短的时间内找到较好的解，这使得CSBHC具有潜在的优势。作者通过调整模拟退火中的指数下降概率，旨在平衡计算时间和算法的有效性。实验使用了16个标准基准函数来评估CSBHC，与流行的混合CS算法进行了对比。 研究结果显示，CSBHC算法表现出更强的寻优能力，能够在较短的运行时间内获得更精确的结果，相较于原始的布谷鸟搜索和其他方法，它能够减少过早收敛的风险，并提高整体性能。此外，论文指出，尽管混合算法通常需要更多的计算，但CSBHC的设计旨在通过其独特的策略减轻这一负担。 这篇2017年10月提交、2018年3月修订并通过的论文，最终于2018年在线发表，是开放获取的，遵循CC BY-NC-ND许可协议。研究者Bilal作为通讯作者，其电子邮件地址为bilal.yu.edu.jo@B.H.A。该研究对于理解和改进优化算法在实际问题中的应用具有重要意义，特别是在保持搜索效率和避免过早收敛方面。