人工蜂群算法的研究與改進.pdf

1、隨著群智能優(yōu)化算法被應用于解決各種工程問題，例如系統(tǒng)控制、生產(chǎn)調度、模式識別等問題，群智能優(yōu)化越來越受到廣大學者的青睞。人工蜂群算法由Karaboga首次提出。作為一種新型群智能優(yōu)化算法，因其參數(shù)少、操作簡單、開發(fā)能力強等優(yōu)點，人工蜂群算法已被廣泛用于解決各種工程問題，例如濾波器設計的優(yōu)化、神經(jīng)網(wǎng)絡優(yōu)化、波達方向估計、數(shù)據(jù)挖掘、波束成型技術等工程問題。良好的優(yōu)化性能及不錯的應用效果使得人工蜂群算法成為當今研究熱門。
　　本文的主要

2、研究成果包括3個方面：
　　（1）針對人工蜂群算法在高維復雜優(yōu)化問題上存在收斂速度慢、收斂精度低等問題，本文提出一種求解高維復雜優(yōu)化問題的改進人工蜂群算法（BAABC）。在跟隨蜂階段，BAABC算法摒棄輪盤賭選擇策略，而是直接選擇適應度高的蜜源。BAABC算法將吸引子引入到觀察蜂搜索方式。首先，全局最優(yōu)解波動產(chǎn)生吸引子。然后，觀察蜂以吸引子為中心等比例收縮，共同開發(fā)同一區(qū)域，從而提高了算法的開發(fā)能力。實驗結果表明，BAABC開發(fā)能

3、力顯著增強。關于迭代次數(shù)和時間，收斂速度都明顯提高。在解決高維復雜優(yōu)化問題方面，BAABC算法的優(yōu)勢十分明顯。值得一提的是，BAABC算法的收斂效果與問題維數(shù)無關，具有很好的魯棒性。BAABC算法適合在解決高維復雜優(yōu)化問題上推廣應用。
　　（2）針對人工蜂群算法尋優(yōu)過程中的搜索效率低下問題，本文提出一種基于反饋機制和叢林法則的改進人工蜂群算法（LFABC）。LFABC算法在全局搜索公式中加入反饋機制，提高了算法搜索速度，減少了無用

4、的搜索。LFABC算法直接搜索可能存在最優(yōu)解的區(qū)域，不再無規(guī)律地搜索全部空間。本文同時又在搜索公式中加入線性微分遞增策略，使得算法在迭代初期有足夠大的探索能力，同時保證了算法在迭代后期有足夠大的開發(fā)能力。為了防止算法陷入局部最優(yōu)，LFABC算法引入一種全新的變異方法。LFABC算法從適應度較差的個體中隨機選擇一個個體進行初始化。實驗證明本文中提出的變異策略有效防止了算法的早熟收斂。LFABC算法的各項性能都優(yōu)于ABC算法。LFABC算法

5、在有效提高了算法的收斂精度的同時，其收斂速度也是非常突出。
　?。?）針對原始算法所存在的收斂精度低下的問題，本文提出一種基于自擾動的改進人工蜂群算法（IGABC）。IGABC算法對ABC算法進行了兩方面改進。一方面，針對算法中個體越界問題，提出邊界改進方案。一方面，針對算法開發(fā)能力不足問題，提出基于自擾動的全局自適應搜索方程。通過對18個基準測試函數(shù)尋優(yōu)及與其他6種改進ABC算法進行對比，實驗結果表明本文提出的改進算法IGABC