基于多種混合策略的人工蜂群算法改進(jìn)研究.pdf

1、隨著科技的不斷進(jìn)步，在科學(xué)研究和工程實(shí)踐中遇到的問(wèn)題變得越來(lái)越復(fù)雜，采用傳統(tǒng)的計(jì)算方法來(lái)解決這些問(wèn)題面臨著計(jì)算復(fù)雜度高、計(jì)算時(shí)間長(zhǎng)等問(wèn)題。而近期廣泛研究的群體智能算法，由于不需要具體的數(shù)學(xué)模型和對(duì)所求解的問(wèn)題不設(shè)定特別的假設(shè)，為求解此類(lèi)問(wèn)題開(kāi)辟了新的研究思路。人工蜂群算法是2007年土耳其學(xué)者Karaboga提出的一類(lèi)模仿蜜蜂群體的智能行為產(chǎn)生的算法，并且在同期出現(xiàn)的各種蜂群智能算法中，是應(yīng)用最廣泛、研究得最多的算法，現(xiàn)已成為群體智能研

2、究領(lǐng)域中的新興研究分支之一。但截至到目前，人工蜂群算法的體系研究還不夠成熟，存在算法結(jié)構(gòu)簡(jiǎn)單、操作算子形式單一等問(wèn)題。另外，對(duì)其現(xiàn)有的研究大都是針對(duì)相關(guān)領(lǐng)域的單目標(biāo)優(yōu)化問(wèn)題，對(duì)多目標(biāo)問(wèn)題的研究才剛剛起步，并且存在求解策略簡(jiǎn)單、解的質(zhì)量不高、收斂速度慢等問(wèn)題。因此，研究如何改進(jìn)人工蜂群算法，尤其是根據(jù)不同的優(yōu)化問(wèn)題采用比較成熟的求解策略和操作算子來(lái)提高人工蜂群算法的性能，具有重要的理論意義和潛在的應(yīng)用價(jià)值。
　　本文在對(duì)現(xiàn)有的改進(jìn)人

3、工蜂群算法進(jìn)行充分研究和深入探索后，針對(duì)具體的優(yōu)化問(wèn)題和算法中存在的不足，研究了幾種算法混合策略，設(shè)計(jì)了幾種改進(jìn)的人工蜂群算法，并且用典型的測(cè)試函數(shù)進(jìn)行大量的數(shù)值比較實(shí)驗(yàn)。論文的主要研究成果包括以下內(nèi)容：
　　1、針對(duì)原算法的開(kāi)采能力不足，尤其是在接近最優(yōu)解時(shí)，算法的搜索能力變?nèi)?，收斂速度變慢的?wèn)題，研究了混沌映射用于改進(jìn)人工蜂群算法的局部搜索性能。其中，Logistic混沌映射是一個(gè)非常簡(jiǎn)單的經(jīng)典模型，在很多算法的改進(jìn)中所使用，

4、但它對(duì)初值設(shè)置的依賴(lài)性強(qiáng)，并且在0和1兩點(diǎn)附近的分布要多于其它區(qū)域。Tent映射產(chǎn)生的混沌序列更具有全局遍歷性，且分布較 Logistic映射更均勻，但由于存在不穩(wěn)定的周期點(diǎn)和不動(dòng)點(diǎn)，在某些取值上分布較差。針對(duì)這些缺陷，本文對(duì)Tent映射進(jìn)行了改進(jìn)，并對(duì)二維混沌映射模型Hennnon映射進(jìn)行了研究，利用其具有映射空間大，動(dòng)力學(xué)特性復(fù)雜且簡(jiǎn)單易于實(shí)現(xiàn)的特點(diǎn)，改進(jìn)算法搜索范圍。
　　2、本文研究了兩種基于混沌搜索的人工蜂群算法用于求解

5、單目標(biāo)無(wú)約束優(yōu)化問(wèn)題，分別是基于改進(jìn)的Tent映射的GTENTABC和基于Hennon映射的HENABC。在7種測(cè)試函數(shù)的實(shí)驗(yàn)中，把以上兩種算法和常用的Logistic混沌搜索、Tent混沌搜索，以及基本的人工蜂群算法進(jìn)行比較，可得 GTENTABC算法不管是在單峰還是多峰問(wèn)題上，都能在收斂速度和求解精度上獲得比基本的 ABC算法及其他混沌搜索算法較好的結(jié)果，并且隨著維數(shù)的增加，也能保持較好的有效性和魯棒性。說(shuō)明 GTENTABC算法不

6、僅具有全局尋優(yōu)能力，而且具有較強(qiáng)的局部搜索能力。其次，采用二維混沌映射模型的 HENABC算法在多模態(tài)高維測(cè)試中獲得了良好的結(jié)果，可以得出 HENABC算法能擴(kuò)大算法搜索空間，比較適合于求解復(fù)雜的高維問(wèn)題的結(jié)論。
　　3、針對(duì)人工蜂群算法求解約束優(yōu)化問(wèn)題性能較差的缺點(diǎn)，受文化基因算法啟發(fā)，在前面 GTENTABC算法的基礎(chǔ)上，提出了一種基于可行規(guī)則的文化基因人工蜂群算法（MGT_ABC）來(lái)求解約束優(yōu)化問(wèn)題。算法中采用差分搜索算法作

7、為文化基因框架里的演化算法進(jìn)行全局搜索，并采用可行規(guī)則來(lái)處理算法中的約束項(xiàng)，在算法的開(kāi)始階段選取一定比例的蜂群個(gè)體按照差分進(jìn)化算法搜索蜜源位置，以提高種群的多樣性，隨后按照一定的概率模型進(jìn)行動(dòng)態(tài)分配跟隨蜂進(jìn)行鄰域開(kāi)采，將較多的計(jì)算資源動(dòng)態(tài)分配給當(dāng)前表現(xiàn)較好的更新策略，以適應(yīng)約束優(yōu)化問(wèn)題的特性。通過(guò)包括難約束B(niǎo)ump問(wèn)題在內(nèi)的9個(gè)約束優(yōu)化問(wèn)題進(jìn)行實(shí)驗(yàn)，并與其他文獻(xiàn)中的算法進(jìn)行了比較，驗(yàn)證了MGT_ABC算法的有效性。
　　4、針對(duì)多