人工蜂群算法理論與應(yīng)用研究.pdf

1、人工蜂群算法是一種近年來新提出的群體智能算法，該算法參數(shù)少易于調(diào)控，搜索速度快，精度高，魯棒性強，自提出以來得到國內(nèi)外學(xué)者的大量關(guān)注，并在求解工程類優(yōu)化問題時得到廣泛應(yīng)用。在近年來的研究中，該算法被廣泛應(yīng)用于通信，控制，自動化，生物工程等領(lǐng)域，均取得較好的優(yōu)化結(jié)果。
　　然而基本的人工蜂群算法具備以下不足:其種群更新機制表明該算法缺乏對搜索過程中的種群社會信息的有效利用;且該算法全局的搜索性能較好，但局部深度探索能力較差;另外，在

2、搜索過程中缺少對求解問題結(jié)構(gòu)的認知，這些缺點限制了算法收斂速度和搜索精度的進一步提高。
　　本文旨在深入探究人工蜂群算法的應(yīng)用領(lǐng)域和改進機制，改善算法的收斂速度和優(yōu)化精度，并進一步提高算法的適用性。本文的研究工作主要分為以下幾個方面:
　　首先使用人工蜂群算法求解陣列信號處理領(lǐng)域的波達方向估計問題。仿真結(jié)果表明，隨著信道信噪比的改善，該算法的估計準確度不斷提高，可以成功地對波達方向估計問題進行優(yōu)化求解。
　　為進一步探

3、究人工蜂群算法的適用性，分別使用該算法對約束優(yōu)化問題和多目標優(yōu)化問題兩類典型優(yōu)化問題進行求解。在優(yōu)化求解有約束條件的問題時，結(jié)合該類問題的特點，定義約束檢查函數(shù)，檢查隨機解是否在滿足約束條件的可行域內(nèi)，并使用該函數(shù)對貪婪準則和跟隨概率進行改進，得到一種適用于約束優(yōu)化的人工蜂群算法;使用人工蜂群算法進行多目標的優(yōu)化時，根據(jù)Pareto支配準則，分別改進適應(yīng)度函數(shù)求解公式和貪婪準則，采用外部檔案機制保存和更新Pareto最優(yōu)解，同時，在整個

4、搜索過程中采用帶有全局引導(dǎo)機制的鄰域搜索策略來保證Pareto最優(yōu)解的均勻分布。分別對兩類問題中的經(jīng)典測試函數(shù)進行優(yōu)化，結(jié)果證明本文提出的兩種改進算法可以獲得有效的優(yōu)化結(jié)果。
　　針對標準人工蜂群算法存在的不足之處，本文分別使用廣義反向?qū)W習(xí)策略和阿基米德copula分布估計算法對算法進行改進，提出了兩種基于混合策略的人工蜂群算法。在基于廣義反向?qū)W習(xí)策略的人工蜂群算法中，使用反向解對種群個體進行更新，來提高種群的多樣性，同時采用多維