人工蜂群算法的性能比较研究.pdfVIP

2015年3月 河北工程技术高等专科学校学报 Mar．2015 第1期 joURNALOFHEBEIENGINEERINGANDTECHNICALCOLLEGE NO．i 文章编号：1008—3782(2015)01—0041—04 人工蜂群算法的性能比较研究 王 慧 (河北工程技术高等专科学校，河北省沧州市浮阳南大道6号061001) 摘要：人工蜂群算法(ABC)模拟了蜂群中工蜂的群体协作采蜜行为，根据各自的分工进行不同的采蜜活动，并用特有的舞蹈 语言进行蜜源信息的交流与共享，从而快速找到问题的最优解，同时差分扰动产生新解的方式使得算法具有自适应收敛性 质。对基准测试函数的计算试验表明，与实数编码遗传算法、粒子群算法、差分进化算法相比，该算法具有更好的优化性能，具 有一定的研究应用价值。 关键词：数值优化；人工蜂群算法；遗传算法；粒子群算法；差分进化算法 中图分类号：TV698．1 文献标识码：A bee 人工蜂群算法(artificialcolony 群集智能方法，该算法结构简单易于实现，其中的差分搜索算子具有自适应收敛性质。 蜜蜂采蜜群集智能模型包含三个主要部分：蜜源，采蜜蜂和未采蜜蜂[1]。蜜蜂是通过舞蹈语言与种群内 的同伙进行联络的，并将食物的来源、性质、方位(方向)和距离等通知伙伴。蜜蜂关于食物源信息的交流发生 在舞蹈区，相应的舞蹈称为摆尾舞口]。观察蜂可以通过观察采蜜蜂的舞蹈来了解关于食物源的信息，并选择 一个蜜源进行采蜜活动。由于更好的蜜源有更多的信息传递，所以观察蜂将会以更大的概率选择更好的蜜 源。采蜜蜂按照与蜜源收益率成正比的概率，通过摆尾舞共享它们的信息，并且它们的舞蹈会持续一段时间。 因此，采蜜蜂征募观察蜂的个数和食物源的收益率成正比。 1人工蜂群算法原理与实现 在ABC算法中人工蜂群包含三个组成部分：采蜜蜂、观察蜂和侦察蜂。群体的一半由采蜜蜂构成，另一 半由观察蜂构成。每一处蜜源仅有一个采蜜蜂，也就是说蜜源数和采蜜蜂数目相等，放弃所采蜜源的采蜜蜂 成为侦察蜂。人工蜂的搜索活动可以概括如下：采蜜蜂根据它们记忆中的蜜源位置在其邻域内确定另一个蜜 源；采蜜蜂在蜂巢内将它们的信息通过舞蹈共享给观察蜂，观察蜂选择一个蜜源；观察蜂根据所选择的蜜源 在其邻域内搜索另一个蜜源；放弃所采蜜源的采蜜蜂将成为侦察蜂并搜索一个新的随机蜜源。 在ABC算法中，每个蜜源的位置代表优化问题的一个可能解，蜜源的花蜜量对应于相应解的质量或适 应度。首先，ABC随机产生初始群体即巩个初始解，‰为采蜜蜂数，也等于蜜源数目，每个解z。(i=1，2，…， 71e)是一个d维的向量，d为优化参数的个数。以这些初始解为基础，采蜜蜂、观察蜂和侦察蜂开始进行循环 搜索。采蜜蜂根据它记忆中的局部信息产生一个变化的位置并评价新位置的花蜜量，如果新位置优于原位 置，则该蜜蜂记住新位置并忘记原位置。所有的采蜜蜂完成搜索过程后，它们将所知道的蜜源信息通过舞蹈 区与观察蜂共享。观察蜂根据从采蜜蜂处得到的信息，按照与花蜜量相关的概率选择一个蜜源位置，并像采 蜜蜂那样对记忆中的位置做一定的改变，并评价新候选位置的花蜜量，若新位置优于记忆中的位置，则用新 位置替换原来的蜜源位置；否则保留原位置。换句话说，贪婪选择机制被用于选择原位置和新的候选位置。 为了使算法适用于最小化问题，采用基于排序的适应度分配[3]。排序方法引入种群均匀尺度，提供了控 制选择压力的简单有效的方法。一个观察蜂选择某个蜜源的概率为 收稿日期：2014—12～10 作者简介：王慧(1983一)，女，河北沧州市人，河北工程技术高等专科学校讲师，主要研究方向为水利工程建筑物监测， E—mail：wanghuil9830710@126．corn 万方数据 42 河北工程技术高等专科学校学报 He P；=fitpo是／∑fitpos， (1) 』一1