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