改进搜索策略人工蜂群算法

《改进搜索策略人工蜂群算法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、改进搜索策略人工蜂群算法摘要：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；数值函数优化；邻域搜索；自适应；非线性函数中图分类

2、号：TP18文献标志码：AArtificialbeecolonyalgorithmwithmodifiedsearchstrategyZHANGYin-xue*,TIANXue-min,CAOYu-pingCollegeofInformationandControlEngineering,ChinaUniversityofPetroleum(EastChina),QingdaoShandong266580,ChinaAmodifiedArtificialBeeColony(ABC)algorithmwasproposedfornumericalfu

3、nctionoptimizationinthispaper,inordertosolvetheproblemsofslowconvergenceandlowcomputationalprecisionofconventionalABCalgorithm.ThemodifiedABCalgorithmcanadjustthestepsizeoftheselectedneighborfoodsourcepositionadaptivelyaccordingtotheobjectivefunction.Ontheotherhand,thesearchin

4、gmethodbasedonanonlinearadjustmentofsearchrangedependingontheiterationwasintroducedforscoutbees.ThemodifiedABCalgorithmcanimprovetheexploitation,andavoidstheprematureconvergenceeffectively.TheexperimentalresuItsonsixbenchmarkfunctionsshowthat,themodifiedABCalgorithmsignificant

5、lyimprovestheoptimizationability.ThemodifiedABCalgorithmcanachievetheglobalminimumvaluesfornumerousmultimodalfunctionswithhighdimension.Comparedtotheotherapproaches,theproposedmethodnotonlyobtainshigherqualitysolutions,butalsohasafasterconvergencespeed.英文关键词Keywords：Artificial

6、BeeColony(ABC)algorithm；numericalfunctionoptimization；neighborhoodsearching；adaptive；nonlinearfunction0引言函数优化问题在科学实验、工程设计和生产实践等方面有着广泛应用。近年来，群智能优化算法以其较好的通用性、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种新途径。人工蜂群(ArtificialBeeColony,ABC)算法［1］是由Karaboga于2005年提出的一种群智能优化算法。该算法模拟蜜蜂在采蜜过程中的集体行为，蜂群依各自分工的

7、不同进行不同的活动，相互交换蜜源信息并行寻找最优蜜源。该算法不但全局收敛性能较好，并且具有设置参数少、计算简洁、适用范围广等特点，已被越来越多的学者所关注，成为进化计算领域的研究热点之一。Karaboga等［2］指出与差分进化算法、粒子群优化算法和进化算法相比，ABC算法在解决许多优化问题时表现出较优的性能。目前，ABC算法已成功地用于解决函数优化问题［3-5］,另外，在路径优化［6］、车间作业调度［7］和参数选择［8］等工程领域也取得了良好的应用效果。然而，ABC算法特有的进化方式和选择策略增加了算法陷入局部最优解的可能。因此，为改善ABC算法的

8、全局收敛性能，提高收敛速度，许多学者对算法进行了改进［9-14］。例如,Banharnsakun等［11］提出利用当前全局