基于错位突变策略的改进人工蜂群算法【期刊】.pdfVIP

第 31 卷 第 1 期（下） 赤 峰 学 院 学 报（自 然 科 学 版 ） Vol. 31 No.1 2015 年 1 月 Journal of Chifeng University （Natural Science Edition ） Jan. 2015 基于错位突变策略的改进人工蜂群算法 蒋 成 1 ， 汪继文 2 ， 邱剑锋 1 （ 安徽大学 计算机科学与技术学院 ； 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 ） 1. 2. , 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 （ ） 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 DMABC . 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[10]基 蚁群、鸟群和蜂群等等.这些动物群体都有一个共 于 Boltzmann 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[11]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[12]在人工蜂群算法中引入群体多样性 的机制，根 能. 比较著名的群智能算法有蚁群算法[1,2] 、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] 以及蜂群算法等等.蚁群算法主要是模拟蚂 Alam 等[13]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[5]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