基于多精英單純形和雙種群綜合學習的人工蜂群算法.pdf

1、人工蜂群(Artificial Bee Colony, ABC)算法作為一種群體智能隨機搜索優(yōu)化算法，具有結構簡單，設置參數(shù)少，易與其他算法結合等特點.但ABC算法和其他群智能算法一樣，在求解無約束優(yōu)化問題時存在易早熟、局部搜索能力弱、尋優(yōu)精度低等問題.本文主要針對ABC算法局部搜索能力弱、難以平衡全局搜索和局部尋優(yōu)能力等缺點，借助單純形方法和多種群的思想提出了兩個改進的人工蜂群算法.
　　算法1是基于多精英單純形和定向選擇的人工

2、蜂群算法(MENM-DS-ABC).受粒子群啟發(fā)的多精英人工蜂群(PS-MEABC)優(yōu)化算法利用蜂群中的精英個體和全局最優(yōu)個體增強解的局部尋優(yōu)能力.算法1在PS-MEABC算法基礎上，通過引入定向選擇策略和基于蜜源目標函數(shù)值排序改進跟隨蜂選擇概率公式，并利用多精英Nelder-Mead單純形方法增強蜜源的局部開采，進一步平衡蜂群的全局搜索和局部尋優(yōu)能力.數(shù)值實驗表明，改進的算法不僅在尋優(yōu)精度和收斂速度上均有明顯提高，并在高維的優(yōu)化問題上

3、尋優(yōu)性能更加穩(wěn)定.
　　算法2是基于綜合學習的雙種群人工蜂群算法(DPCLABC).算法將整個種群劃分成兩個子種群，分別為全局搜索子群(子種群1）和局部尋優(yōu)子群(子種群2）.受粒子群算法的啟發(fā)將蜜源隨機一維的更新調整為所有維同時更新.同時利用綜合學習策略生成兩個子種群的學習樣本，增強蜜源的搜索能力.此外，還運用反向學習改進初始種群，學習乘性權重更新算法用于跟隨蜂選擇概率公式的更新.數(shù)值實驗在18個單峰、多峰和旋轉基準測試函數(shù)上進行