基干概率选择基向量人工蜂群算法.docVIP

基于概率选择基向量的人工蜂群算法 　　摘要：针对人工蜂群算法在求解复杂函数时收敛速度较慢、容易陷入局部最优的缺陷，提出一种基于概率选择基向量的人工蜂群算法。新算法在雇佣蜂和观察蜂执行搜索策略时，利用轮赌法从整个种群中选择一个个体，并将其作为基向量，在其邻域内生成候选食物源，新算法能较好的平衡局部搜索能力和全局搜索能力。仿真实验结果表明所提出的算法具有较快的收敛速度和较高的求解精度 关键词： 人工蜂群算法；基向量；搜索策略 中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2016）26-0185-02 5 结论 为解决ABC算法存在的收敛速度慢且容易陷入早熟收敛的问题，提出一种基于概率选择基向量的人工蜂群算法，新算法在雇佣蜂和观察蜂执行搜索策略时把从整个种群中利用轮赌法选择出的个体作为基向量，并在其邻域内进行搜索，生产候选食物源。仿真实验结果表明，新算法比基本人工蜂群算法在优化性能和鲁棒性等方面都有了较大的改善 参考文献： [1] Karaboga D. An idea based on honey bee swarm for numerical optimization[R]. Kayseri： Erciyes University， 2005. [2] Zhu G P， Kwong S. Gbest-guided artificial bee colony algorithm for numerical function optimization[J]. Applied Mathematics and Computation， 2010， 217（7）： 3166-3173. [3] Gao W F， Liu S Y. A modified artificial bee colony algorithm[J]. Computer Operations Research， 2012， 39（3）：687-697. [4] Gao W F， Liu S Y， Huang L L. A global best artificial bee colony algorithm for global optimization[J]. Journal of Computational and Applied Mathematics， 2012， 236（11）： 2741-2753. [5] Kiran M S， Hakli H， Gunduz M， et al. Artificial bee colony algorithm with variable search strategy for continuous optimization[J]. Information Sciences， 2015， 300（1）： 140-157. [6] Banharnsakun A， Achalakul T， Sirinaovakul B. The bset-so-far selection in artificial bee colony algorithm[J]. Applied Soft Computing， 2011， 11（2）： 2888-2901. [7] Gao W F， Liu S Y， Huang L L. A novel artificial bee colony algorithm based on modified search equation and orthogonal learning [J]. IEEE Transactions on Cybernetics， 2013， 43（3）： 1011-1024. [8] Gao W F， Liu S Y. Improved artificial bee colony algorithm for global optimization[J]. Information Processing Letters， 2011， 111（17）： 687-697.