《一种改进的人工蜂群算法及其应用研究》.pdfVIP

第32卷 第 2期 许 昌学院学报 Vo1．32．NO．2 2013年 3月 JOURNALOFXUCHANGUNIVERSITY Mar． 2013 文章编号 ：1671—9824(2013)02—0062—06 一 种改进 的人工蜂群算法及其应用研究 鄢靖丰 (许 昌学院 计算机科 学与技术学院 许昌 河南，461000) 摘 要：针对传统的人工蜂群算法具有较强的勘探能力，但是算法局部开采能力较弱，演化 后期收敛速度慢 ，容易陷入局部最优，提 出了基于混沌算法和逆向学习算法相结合的初始化种群 方法，有效改进种群的多样性 ；提 出了一种新型的搜 索策略来改进观察峰与侦察蜂的搜 索过程 ， 加快 了算法的收敛速度 ；通过 5个标准函数进行测试 ，文中算法在搜 索效率、最优解质量、稳定性 均优于传统的人工蜂群算法． 关键词：人工蜂群算法；混沌算子 ；逆向算子 中图分类号 ：TP391 文献标识码 ：A 仿生优化算法是一种具有 自组织 、自适应 、搜索效率高的智能随机搜索算法 ，已经被广泛的应用在求 解函数优化和复杂的实际工程应用问题 ，人工蜂群算法 (ArtificialBeeColonyAlgorithm，ABC)是 Karabo— ga¨2005年提出的一种群智能随机搜索算法，算法结构简单，搜索效率高 ，容易实现 ，已经广泛应用到解 决实际复杂工程优化问题中 ’． 群智能搜索算法的健壮性直接体现在算法的勘探能力与开采能力的平衡，然而，传统的人工蜂群算法 不能够有效利用个体信息获取最优化的搜索方法 ，在求解部分单峰函数优化问题上其收敛速度慢 ，，同 时在处理多峰函数优化问题 中，演化的后期也容易陷入局部最优等缺点 ，部分研究者针对上面的问题 进行 了研究与改进 ，karaboga… 通过提 出扰动频率和动态调整缩放 因子大小来 改善算法 收敛速度 ， GAO 提出了混沌算法产生初始化种群 ，并利用差分演化算法来改进人工蜂群算法的搜索算法 ，加快算 法的收敛速度 ． 本文在文献 基础上增加 了逆 向学习算子 ，提出了基于混沌算子和逆 向算子相结合的初始化种群方 法 ，有效改进初始种群 的多样性 ，加快了算法收敛速度 ；同时提出了利用 当前个体最好信息来改进传统蜂 群算法的搜索算子 ，并改进了侦察蜂的搜索过程 ，避免算法陷入局部最优 ，为 了验证本文算法性能，通过 5 个标准测试 函数进行验证． 1 人工蜂群算法介绍 1．1 人工蜂群算法基本原理 人工蜂群算法中，蜂群实现采蜜集体智能行为包含 3个基本要素 ：蜜源、雇佣蜂 、等待蜂 ，等待峰又包 括观察蜂和侦察蜂 ；同时存在三种基本的行为方式：搜索蜜源、招募观察蜂采蜜和放弃蜜源．蜜蜂的采蜜行 为就是通过这三种不同角色的蜜蜂之间进行信息交互和角色转换来完成的．蜜蜂之间通过跳摇摆舞 的方 式进行信息交换 ，使整个蜂群相互协作完成采蜜、搜索蜜源等工作．达到采蜜与搜索的平衡 ，最终实现采蜜 收益的最大化． 蜂群采蜜工作图如图 1所示．假设有两个已经发现的蜜源 A和 B．刚开始时，等待蜂没有任何关于蜂 收稿 日期 ：2012一O5—26 基金项 目：河南省重点科技攻关项 目(122102210488)；许 昌市科技 攻关项 目(1101029)；许 昌学院青年骨干教 师资助计划 作者简介 ：鄢靖丰 (1982一)，男，湖北天门人 ，讲师 ，硕士 ，研究方向：智 能算法 、网络通信 ． 第32卷第2期 鄢靖丰 ：一种改进的人工蜂群算法及其应用研究 63 巢附近蜜源的信息，它有两种可能的选择 ： (1)自发地搜寻蜂巢附近的蜜源 (s线)； (2)通过分享舞池里面的信息，被其它蜜蜂招募(R线)． 等待峰被招募发现新蜜源后 ，迅速开采 ，并转变角色为雇佣峰．雇佣峰采蜜归来后 ，回到峰巢里面卸载 所开采的蜜 ，通过比较所开采蜜量的大小 ，产生三种新的选择． (1)蜜量太小 ，放弃蜜源 ，重新成为待工的观察峰 (UF线)； (2)蜜量很好 ，以跳摇摆舞招募蜂巢其它蜜蜂过来共同采蜜 (EF