人工蜂群算法的改進(jìn)及其在經(jīng)濟(jì)訂貨模型中的應(yīng)用.pdf

1、經(jīng)濟(jì)訂貨批量（Economy Order Quantity，EOQ）是通過平衡各種成本核算使得庫存總成本最低的訂貨量。經(jīng)濟(jì)訂貨批量的計(jì)算過程中，需要估計(jì)訂單的數(shù)量以求得更加準(zhǔn)確的結(jié)果。通過支持向量機(jī)（Support Vector Machine，SVM）能夠?qū)^往的訂單數(shù)額進(jìn)行計(jì)算，并預(yù)測之后訂單數(shù)額，進(jìn)而求得經(jīng)濟(jì)訂貨批量的數(shù)值。因此為使得支持向量機(jī)的學(xué)習(xí)效果更加準(zhǔn)確，優(yōu)化支持向量機(jī)的方法現(xiàn)已成為熱點(diǎn)研究問題之一。
　　人工蜂群算

2、法是一種模擬蜜蜂采蜜行為的群體智能優(yōu)化算法，由于它具有控制參數(shù)少、易于實(shí)現(xiàn)、計(jì)算簡單、魯棒性強(qiáng)等優(yōu)點(diǎn)，處理包括優(yōu)化支持向量機(jī)在內(nèi)的優(yōu)化問題時(shí)有著優(yōu)異的表現(xiàn)，已被越來越多的研究者所關(guān)注。人工蜂群算法主要存在兩個(gè)缺點(diǎn)：算法特別在處理復(fù)雜的優(yōu)化問題時(shí)容易陷入局部最優(yōu)和過早收斂；算法的探索能力較好，但開發(fā)能力不足，收斂速度較慢。本文從多個(gè)角度對人工蜂群算法進(jìn)行改進(jìn)，提高其在處理復(fù)雜優(yōu)化問題方面的尋優(yōu)性能，并在此基礎(chǔ)上，將算法應(yīng)用于優(yōu)化支持向量機(jī)

3、以預(yù)測經(jīng)濟(jì)訂貨批量模型中的訂單預(yù)測問題。本文的研究內(nèi)容主要包括以下兩個(gè)方面：
　　一方面，為提高算法的優(yōu)化精度、局部搜索能力，基于現(xiàn)有的名為Bare-bones ABC和HBC的人工蜂群算法的改進(jìn)算法，提出了一種混合的Bare-bones人工蜂群算法（Hybrid Bare-bones Artificial Bee Colony Algorithm，HBABC）。算法主要改進(jìn)了以下兩個(gè)方面：針對算法容易陷入局部最優(yōu)的方面，引入了H

4、BC算法啟發(fā)自模擬退火算法的特性對蜜源更新的模型進(jìn)行了改進(jìn)；針對算法的收斂性不足的方面，通過啟發(fā)自Bare-bones ABC的傾向較優(yōu)個(gè)體進(jìn)行搜索的特性對跟隨蜂選擇雇傭蜂的方式進(jìn)行改進(jìn)。算法通過上述兩個(gè)改進(jìn)以提高收斂精度和優(yōu)化速度。通過使用10個(gè)測試函數(shù)進(jìn)行了對比實(shí)驗(yàn)，驗(yàn)證了改進(jìn)算法的有效性。
　　另一方面，本文將HBABC算法用于優(yōu)化支持向量機(jī)的兩個(gè)參數(shù)，并將優(yōu)化結(jié)果用于解決現(xiàn)有的實(shí)際問題——基于經(jīng)濟(jì)訂貨批量模型的訂單數(shù)額及金