基于错位突变策略的改进人工蜂群算法.pdfVIP

第31卷 第 1期 (下) 赤 峰 学 院 学报 (自然科 学 版 ) Vo1．31No．1 2015年 1月 JournalofChifengUniversity(NaturalScienceEdition) Jan．2015 基于错位突变策略的改进人工蜂群算法 蒋 成 ，汪继文 ，邱剑锋 (1．安徽大学 计算机科学与技术学院；2．安徽大学 计算智能与信号处理教育部重点实验室，安徽 合肥 230601) 摘 要：人工蜂群算法是一种模拟蜜蜂觅食行为的群智能优化算法 ，具有较好 的全局搜索能力，但收 敛速度较慢且容 易陷入局部最优 ．针对其不足之处，提 出了一种基于错位突变策略的人工蜂群算法 (DMABC)．该算法在搜索蜜源的时候运用错位突变策略增强种群多样性 ，并使用排序选择机制和新的比较机 制防止过早收敛．通过对几个标准测试函数的实验表明，改进算法具有更快的收敛速度 ，优化精度更高． 关键词：人工蜂群算法；错位突变；排序选择；种群多样性；函数优化 中图分类号：TP39．6 文献标识码 ：A 文章编号：1673—260X(2015)01—0016—05 1 引言 现该算法同样存在着缺点：算法收敛速度较慢 ，且 群智能算法是一类模拟 自然界中某些动物群 容易陷入局部最优．针对这些缺点，国内外的学者 体行为的智能优化算法．模拟的动物群体通常包括 们相继提出了改进的人工蜂群算法．丁海军等[ol基 蚁群 、鸟群和蜂群等等．这些动物群体都有一个共 于Bohzmann选择机制提出了一种改进 的人工蜂 同的特点：当我们仅仅观察群体中的单个个体，往 群算法用来优化多变量函数．暴励等 【“1结合差分进 往是简单而杂乱无章的；但当这些个体合作形成群 化算法提出了一种新的双种群差分蜂群算法．Lee 体的时候却可以完成复杂的任务，表现出一定的智 等_I21在人工蜂群算法中引人群体多样性的机制，根 能．比较著名的群智能算法有蚁群算法ll21、粒子群 据群体多样性的门槛值选择采用不同的搜索公式． 算法3．4『1以及蜂群算法等等．蚁群算法主要是模拟蚂 Alam -31提出了一种基于指数分布的自适应变异 蚁通过信息素搜索最佳路径．粒子群算法是模拟鸟 步长机制的人工蜂群算法，动态控制搜索过程中的 类的集群活动．蜂群算法则是模拟蜂群寻找最佳蜜 探索和开发能力． 源的行为．和传统优化算法相比，这些新型的群智 在人工蜂群算法中，全局搜索和局部开采的平 能优化算法收敛速度更快且易于实现，因此也引起 衡是决定算法性能好坏的关键．本文在基本人工蜂 了了很多研究者的兴趣． 群算法的基础上，借鉴差分进化算法的突变算子， 人工蜂群算法是由Karaboga~[在 2005年首次 提出了一种新型的错位突变策略，应用于蜜蜂的搜 提出的．该算法将蜂群分成引领蜂、跟随蜂和侦察 索过程中，以提高种群的多样性．同时，还用排序选 蜂三类．不同类别的蜜蜂通过交换彼此的信息来完 择机制代替了原来的轮盘赌选择机制来防止算法 成觅食的任务．由于人工蜂群算法的优化效果不 的过早收敛．为了测试改进算法的性能，本文用了 错，而且操作简单、控制参数少，算法提出后备受研 几个标准测试函数来做实验．实验结果表明，改进 究者们的关注．人工蜂群算法在函数优化、生产调 算法的性能优于基本人工蜂群算法． 度、神经网络以及机器人路径规划等领域得到了广 2 基本人工蜂群算法 泛的应用．Karaboga和Gorkemlit6~人工蜂群算法应 Karaboga提出的基本人工蜂群算法将蜜蜂分 用于旅行