基于局部最優(yōu)解的改進(jìn)人工蜂群算法.pdf

基于局部最優(yōu)解的改進(jìn)人工蜂群算法.pdf

ID:56215244

大?。?39.18 KB

頁(yè)數(shù):4頁(yè)

時(shí)間:2020-06-21

基于局部最優(yōu)解的改進(jìn)人工蜂群算法.pdf_第1頁(yè)
基于局部最優(yōu)解的改進(jìn)人工蜂群算法.pdf_第2頁(yè)
基于局部最優(yōu)解的改進(jìn)人工蜂群算法.pdf_第3頁(yè)
基于局部最優(yōu)解的改進(jìn)人工蜂群算法.pdf_第4頁(yè)
資源描述:

《基于局部最優(yōu)解的改進(jìn)人工蜂群算法.pdf》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、第31卷第4期計(jì)算機(jī)應(yīng)用研究V01.3lNo.42014年4月ApplicationResearchofComputersApr.2014基于局部最優(yōu)解的改進(jìn)人工蜂群算法術(shù)王冰(1.牡丹江師范學(xué)院理學(xué)院,黑龍江牡丹江157011;2.北京A.z-大學(xué)數(shù)學(xué)學(xué)院,北京100081)摘要:針對(duì)人工蜂群算法有時(shí)收斂速度較慢和探索能力較強(qiáng)而開(kāi)發(fā)能力不足等問(wèn)題,提出一種改進(jìn)的人工蜂群(IABC)算法。該算法在跟隨蜂階段采用一種基于當(dāng)前局部最優(yōu)解(pbest)的搜索策略,能提高算法的局部搜索能力。為了加快算法的收斂速度,采用基于一般的反向?qū)W習(xí)

2、的策略進(jìn)行種群初始化,而且采蜜蜂和跟隨蜂進(jìn)行鄰域搜索時(shí),鄰域搜索的維數(shù)根據(jù)循環(huán)代數(shù)動(dòng)態(tài)調(diào)整?;谑畟€(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)的仿真結(jié)果表明,該算法能有效加快收斂速度,局部?jī)?yōu)化能力有顯著提高。關(guān)鍵詞:人工蜂群算法;種群初始化;反向?qū)W習(xí);搜索頻率中圖分類號(hào):TP18文獻(xiàn)標(biāo)志碼:A文章編號(hào):1001—3695(2014)04—1023—04doi:10.3969/j.issn.1001—3695.2014.04.016Improvedartificialbeecolonyalgorithmbasedonloca1bestsolutionWANGB

3、ing'(1.SchoolofScience,MudanjiangNormalUniversity,MudanjiangHeilongfiang157011,China;2.SchoolofMathematics,BeijingInstituteofTechnology,Beijing100081,China)Abstract:Fortheproblemsofgoodatexplorationbutpooratexploitationinartificialbeecolonyalgorithm(ABC)anditspoorcon

4、vergence,thispaperproposedanimprovedartificialbeecolony(IABC)algorithmbyincorporatingtheinformationoflocalbest(calledpbest)solutionintothesolutionsearchequationtoimprovetheexploitationattheonlookersstage.Inthealgo—rithm,inordertoaccelerateconvergencespeed,itappliedan

5、initializationstrategybasedonthegeneralizedopposition-basedlearninginsteadofapurerandominitialization.Inaddition,itmodifiedfrequencyoftheperturbationdynamicallyineachiter—ation.ExperimentalresultsontenbenchmarkfunctionsshowthatIABCalgorithmcanaccelerateeffectivelycon

6、vergencespeed,itslocaloptimizationabilityissignificantlyimproved.Keywords:artificialbeecolonyalgorithm;populationinitialization;opposition-basedlearning;frequencyoftheperturbation進(jìn)人工蜂群(GABC)算法;Gao等人’借鑒差分進(jìn)化(DE)算0引言法的變異策略,引入新的蜜蜂搜索策略,進(jìn)而提出了兩種改進(jìn)的人工蜂群算法;Banharnsakun等人?引人當(dāng)前

7、全局最優(yōu)解仿生智能計(jì)算是自然計(jì)算的一個(gè)重要分支,它以仿生學(xué)、改變跟隨蜂的搜索方式,提出了一種新的人工蜂群算法處理圖數(shù)學(xué)和計(jì)算機(jī)科學(xué)為基礎(chǔ),具有自適應(yīng)、自組織、自學(xué)習(xí)等特性像匹配問(wèn)題;暴勵(lì)等人將ABC和DE算法混合,提出了一種和能力,已在復(fù)雜優(yōu)化問(wèn)題求解和實(shí)際應(yīng)用中顯示出強(qiáng)大的生雙種群差分蜂群算法。命力和進(jìn)一步發(fā)展的潛力。新興仿生智能計(jì)算方法包括蟻群、粒子群、差分進(jìn)化、人工蜂群和人工免疫算法等。為了改善ABC算法中存在的收斂速度慢、局部搜索能力人工蜂群(artificialbeecolony,ABC)算法?是由土耳其偏弱等問(wèn)題,本

8、文提出了一種改進(jìn)的ABC算法——IABc。學(xué)者Karaboga于2005年提出的一種模擬蜜蜂群體尋找優(yōu)良蜜1人工蜂群算法源的仿生智能計(jì)算方法。與遺傳算法、粒子群算法等智能計(jì)算方法相比,該算法的突出優(yōu)點(diǎn)是每次迭代中都進(jìn)行全局和局部ABC算法在求解優(yōu)化問(wèn)題時(shí),食物源

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。