人工蜂群算法及其在組合優(yōu)化中的應用研究.pdf

1、群體智能算法是通過模擬群居生物的行為而發(fā)展起來的優(yōu)化算法，目前已成為優(yōu)化領域的研究熱點。其中代表性的群體智能算法有意大利學者Marco Dorigo于1991年提出的蟻群優(yōu)化算法(ACO)，1995年James Kennedy和Russell Eberhart基于對魚群、鳥群行為的模擬，提出的微粒群優(yōu)化算法(PSO)，D.Karaboga在2005年成功地將蜜蜂的覓食行為應用到函數(shù)優(yōu)化問題而提出的人工蜂群算法(ABC)。由于上述算法簡單

2、、實現(xiàn)方便、魯棒性強，在復雜組合優(yōu)化中有明顯的優(yōu)越性，迅速在國際優(yōu)化計算領域得到認可，并在實際問題中得到廣泛應用。
　　 人工蜂群算法是基于蜜蜂群體的覓食行為而提出的一種新的啟發(fā)式仿生算法，屬于一類典型的群體智能算法。算法中每個蜜蜂被看做是一個智能體(agent)，通過群體中不同個體間的分工協(xié)作、角色轉(zhuǎn)換、記憶等行為涌現(xiàn)出群體智能。
　　 本文通過對已有人工蜂群算法的分析與總結(jié)，給出了一種人工蜂群算法解決組合優(yōu)化問題的算

3、法框架，并以典型的組合優(yōu)化問題——背包問題為例進行了應用研究。在算法中，首先運用轉(zhuǎn)移概率和隨機性選擇相結(jié)合的方法，對狀態(tài)進行選擇，這樣既保證了好的狀態(tài)被選擇的概率較大，而又不失隨機性；其次，角色轉(zhuǎn)換是蜂群算法中特有的機制，本文通過研究蜂群中各種角色之間的轉(zhuǎn)換并結(jié)合參數(shù)分析，給出了進一步提高算法尋優(yōu)能力的改進算法。最后，將禁忌搜索的思想引入到人工蜂群算法中，以提高算法跳出局部最優(yōu)的能力。
　　 通過應用上述改進算法對背包問題進行仿