人工蜂群算法的改進(jìn)及其應(yīng)用研究.pdf

1、當(dāng)今社會(huì)，從生產(chǎn)調(diào)度到經(jīng)濟(jì)分析再到生物醫(yī)藥，這些領(lǐng)域無不存在大量需要解決的優(yōu)化問題。尤其是電子商務(wù)行業(yè)的興起，現(xiàn)代物流業(yè)迎來了發(fā)展的高峰期，而物流配送作為其中最關(guān)鍵的一環(huán)，它的速度快慢直接影響客戶對物流公司的服務(wù)評價(jià)。車輛路徑優(yōu)化問題是物流運(yùn)輸這一環(huán)節(jié)極其重要的內(nèi)容，目前主要是通過群智能優(yōu)化算法對其進(jìn)行優(yōu)化。人工蜂群算法作為一種極具發(fā)展前景的仿生算法，具有控制參數(shù)少、魯棒性強(qiáng)和易于實(shí)現(xiàn)等優(yōu)點(diǎn)，已被成功應(yīng)用于組合優(yōu)化、無線傳感網(wǎng)路和圖像處

2、理等領(lǐng)域。但是，它仍存在局部開發(fā)能力較差、收斂速度較慢和尋優(yōu)精度不高的缺點(diǎn)。為了進(jìn)一步提高人工蜂群算法的性能，本文針對算法中存在的上述問題，分別從算法改進(jìn)和應(yīng)用兩個(gè)方面進(jìn)行了研究分析。
　　在算法改進(jìn)方面，我們把差分進(jìn)化和高斯變異的思想引入到搜索策略中，設(shè)計(jì)了一種基于當(dāng)前最優(yōu)解的混合變異的人工蜂群算法。該算法中跟隨蜂采用差分進(jìn)化的搜索策略，通過引入差分變異因子實(shí)現(xiàn)在迭代初期進(jìn)行全局搜索，以增加解的多樣性，在迭代后期進(jìn)行局部搜索，來

3、加快算法的收斂速度；偵查蜂采用高斯變異的偵查策略，借助高斯變異算子對局部最優(yōu)解進(jìn)行擾動(dòng)，使偵查蜂跳出局部最優(yōu)值，然后在當(dāng)前最優(yōu)解附近生成一個(gè)新解，通過變異來豐富種群的多樣性，并在當(dāng)前最優(yōu)解地引導(dǎo)下有效的提高了算法的收斂速度，避免其陷入局部最優(yōu)值?；?種典型測試函數(shù)的仿真實(shí)驗(yàn)結(jié)果表明，基于混合變異的人工蜂群算法在收斂速度和尋優(yōu)精度方面都優(yōu)于其他的人工蜂群算法。
　　在算法應(yīng)用方面，本文將改進(jìn)后的人工蜂群算法應(yīng)用到了物流配送車輛的路