基于人工蜂群算法的約束優(yōu)化問題研究.pdf

1、實際生活中的許多問題都可以轉化為約束優(yōu)化問題來處理，而約束問題的求解往往是工作的重點和難點。人工蜂群(ABC)算法為求解約束優(yōu)化問題提出了一種新的思路，它和其他群智能算法一樣，具有并行性高、魯棒性好和通用性強等優(yōu)點。
　　初始蜜源的質量對ABC算法的性能影響很大，甚至不少的ABC算法都要求其是可行的，但是傳統(tǒng)的隨機搜索很難得到令人滿意的結果，尤其是對于可行域占較小比例的強約束優(yōu)化問題。為了提高初始蜜源的質量和增強ABC算法的尋優(yōu)效

2、率，本文建立RCGABC算法模型，可以根據(jù)問題的特點靈活的選擇比例系數(shù)，生成滿足需要的高質量初始可行蜜源。首先，利用蒙特卡洛法近似模擬問題可行域在搜索域中占的比例，設置相應的控制參數(shù);其次，利用改進的ABC算法生成滿足需要的可行蜜源集S1;然后，根據(jù)本文建立的隨機壓縮搜索算法(RCSA)對蜜源集S1進行擴充，得到可行蜜源集S2;最后，利用聚類算法將可行蜜源集S2進行分類，并根據(jù)蜜源的空間距離通過貪婪準則選取最優(yōu)蜜源。為了驗證算法的有效性

3、，本文選取兩個較為復雜的測試函數(shù)，關于計算時間和蜜源多樣性兩個方面，分別利用隨機法、ABC算法、隨機壓縮法以及RCGABC算法進行Matlab編程實驗，通過結果的對比分析，進而驗證本文的RCGABC算法的高效性。
　　關于連續(xù)函數(shù)的約束優(yōu)化問題，本文建立改進混合人工蜂群算法求解模型。首先，利用RCGABC算法生成初始可行蜜源集;然后，針對采蜜蜂和觀察蜂建立自適應鄰域搜索方式如下式:new_Xji=Xji+Φji·（Xji-Xjk)

4、+Ψji·（Xjgi-Xji）
　　改進后的鄰域搜索操作在原始鄰域搜索公式中加入全局最優(yōu)蜜源指引項（Xjgi-Xji），同時根據(jù)當前蜜源集的結構特征設計自適應加速因子Ψji，以及根據(jù)算法的進化代數(shù)設計自適應比例因子Φji，通過自適應調(diào)控蜂群向鄰域蜜源和最優(yōu)蜜源的搜索步長，增強算法的適應和尋優(yōu)能力;其次，采用基于模擬退火策略的蜂群選擇機制，增強算法開拓能力，加快算法的收斂速度;最后，建立基于有限制壓縮搜索算法(LCSA)和隨機壓縮搜

5、索算法(RCSA)的修補算子，保證蜜源在算法迭代過程中的可行性和多樣性，提高算法的搜索效率。為了驗證本文算法模型的有效性，選用7個不同類型的測試函數(shù)進行編程實驗，并將多次運行得到的結果與罰函數(shù)ABC算法、罰函數(shù)遺傳算法進行對比，驗證本文算法無論在最優(yōu)解質量還是在收斂速度上都是最好的。
　　關于組合約束優(yōu)化問題，本文建立NDABC算法求解模型。首先采用序號編碼方式表示約束問題的變量集，隨機生成序號集的全排列作為算法的初始蜜源，根據(jù)問

6、題的特點采用貪婪準則和禁忌搜索策略生成相應的實際組合方案;然后針對序號編碼的蜜源建立自適應的鄰域搜索方式，根據(jù)算法的迭代過程自適應的設置序號操作個數(shù)，并根據(jù)問題的特點選擇相應的操作方式，自適應操作如下式所示:ME(cycle)=([)rand(0,1)·MEmrise×[1-（cycle/Maxcycle)2]」+MEmin
　　其中，cycle和Maxcycle分別為當前和最大進化代數(shù)，MEmrise和MEmin分別表示最大序號