改进搜索策略的人工蜂群算法

改进搜索策略的人工蜂群算法

ID:33667886

大小:477.24 KB

页数:6页

时间:2019-02-28

改进搜索策略的人工蜂群算法_第1页
改进搜索策略的人工蜂群算法_第2页
改进搜索策略的人工蜂群算法_第3页
改进搜索策略的人工蜂群算法_第4页
改进搜索策略的人工蜂群算法_第5页
资源描述:

《改进搜索策略的人工蜂群算法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、JournalofComputerApplicationsISSN1001-90812012-12-01计算机应用,2012,32(12):3326-3330CODENJYIIDUhttp://www.joca.cn文章编号:1001-9081(2012)12-3326-05doi:10.3724/SP.J.1087.2012.03326改进搜索策略的人工蜂群算法*张银雪,田学民,曹玉苹(中国石油大学(华东)信息与控制工程学院,山东青岛266580)(*通信作者电子邮箱wendyzyx@yaho

2、o.cn)摘要:针对人工蜂群(ABC)算法存在收敛速度慢、收敛精度低的问题,给出一种改进的人工蜂群算法用于数值函数优化问题。在ABC的邻域搜索公式中利用目标函数自适应调整步长,并根据迭代次数非线性减小侦查蜂的搜索范围。改进ABC算法提高了ABC算法的局部搜索能力,能够有效避免早熟收敛。基于6个标准测试函数的仿真实验表明,改进ABC算法的寻优能力有较大提高,对于多个高维多模态函数该算法可取得理论全局最优解。与对比算法相比,该算法具有更高的收敛精度,并且收敛速度更快。关键词:人工蜂群算法;数值函数优

3、化;邻域搜索;自适应;非线性函数中图分类号:TP18文献标志码:AArtificialbeecolonyalgorithmwithmodifiedsearchstrategy*ZHANGYin-xue,TIANXue-min,CAOYu-ping(CollegeofInformationandControlEngineering,ChinaUniversityofPetroleum(EastChina),QingdaoShandong266580,China)Abstract:Amodified

4、ArtificialBeeColony(ABC)algorithmwasproposedfornumericalfunctionoptimizationinthispaper,inordertosolvetheproblemsofslowconvergenceandlowcomputationalprecisionofconventionalABCalgorithm.ThemodifiedABCalgorithmcanadjustthestepsizeoftheselectedneighborf

5、oodsourcepositionadaptivelyaccordingtotheobjectivefunction.Ontheotherhand,thesearchingmethodbasedonanonlinearadjustmentofsearchrangedependingontheiterationwasintroducedforscoutbees.ThemodifiedABCalgorithmcanimprovetheexploitation,andavoidstheprematur

6、econvergenceeffectively.Theexperimentalresultsonsixbenchmarkfunctionsshowthat,themodifiedABCalgorithmsignificantlyimprovestheoptimizationability.ThemodifiedABCalgorithmcanachievetheglobalminimumvaluesfornumerousmultimodalfunctionswithhighdimension.Co

7、mparedtotheotherapproaches,theproposedmethodnotonlyobtainshigherqualitysolutions,butalsohasafasterconvergencespeed.Keywords:ArtificialBeeColony(ABC)algorithm;numericalfunctionoptimization;neighborhoodsearching;adaptive;nonlinearfunction因此,为改善ABC算法的全局

8、收敛性能,提高收敛速度,许多0引言[9-14][11]学者对算法进行了改进。例如,Banharnsakun等提出函数优化问题在科学实验、工程设计和生产实践等方面利用当前全局最优解代替随机选取的邻域个体,并根据当前有着广泛应用。近年来,群智能优化算法以其较好的通用性、全局最优解的适应度调整邻域搜索步长,提高收敛精度及收[12]容错性及对初始值不敏感等优点成为解决函数优化问题的一敛速度。Li等提出利用全局最优解、惯性权重和加速系数[1]种新途径。人工蜂群(ArtificialBeeColony,AB

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。