人工蜂群算法与其在组合优化中的应用研究.pdfVIP

第3l卷第6期 太原科技大学学报 V01．31No．6 OFTAIYUANUNIVERSITYOFSCIENCEANDTECHNOLOGYDec．2010 2010年12月JOURNAL 文章编号：1673—2057(2010)06—0467—05 人工蜂群算法及其在组合优化中的应用研究 郑 伟，刘 静，曾建潮 (太原科技大学复杂系统与计算智能实验室，太原030024) 摘要：人工蜂群算法是一种启发式算法，通过模拟自然界蜂群觅食过程来解决现实中的优化问 题。算法中将每只蜜蜂看做一个智能体，若干智能体问相互合作，高效地完成对目标的搜索、优化。总 结人工蜂群算法用于解决组合优化问题的一般方法，以0一l背包问题为例对算法进行仿真测试，实验结 果表明：人工蜂群算法有效且优于存在的蚁群算法。 关键词：人工蜂群算法；组合优化；背包问题 中图分类号：TP391．9文献标志码：A 蜂群算法(BeeColonyAlgorthm)是以自然界中组合优化中应用，具有重要意义。 蜂群的自组织模型和群体智能为基础的一种仿生 本文总结人工蜂群算法解决组合优化问题的 框架，并解决背包问题。 算法。O．Karaboga在2005年成功地将蜂群算法应 用到甬数的数值优化问题上…，并提出比较系统的 1人工蜂群算法基本原理简介 Bee ABC算法(Artificial ColonyAlgorithm)，算法简 单，鲁棒性强，在无约束性数值优化问题上比其他 初始化时，随机生成M个可行解并计算函数 启发式算法更具优越性。2006年，D．Karaboga和 值，将函数值从优到劣排名，前50％作为蜜源位置 B．Basturk又将ABC应用到约束性数值优化问题 即引领蜂，后50％为跟随蜂。随机产生可行解的公 上口1，并取得良好的效果。 式如式(1)： Soon 组合优化方面，2006年，ChinChong等人 (1) 《=《i。+rand(0，1)(矗。一“；。) 利用蜂群算法成功解决车间调度问题¨o；2008年，式中，．『∈{1，2…．，Q}为Q维解向量的某个分量。 他们又成功解决了旅行商问题一o。2008年，Alok 蜜蜂记录自己到目前为止的最优值，并在当前 Singh利用人工蜂群算法在一个给出的无向带权图蜜源附近展开临域搜索，产生一个新位置替代前一 中成功找出具有叶子约束的最小生成树∞J。在国 位置的公式为： 内，丁海军、李峰磊成功将人工蜂群算法应用到解 口F=石F一‘]b口(石#一菇酊) (2) 决TSP问题上L6J，并且提出了参数的改进，取得很 好的效果。2009年，胡中华、赵敏实现了将ABC算 机生成且蠡≠f，咖d为[一1，1]之间的随机数。 法应用于路径规划问题中¨j。2009年，李瑞明利用 ABC算法中，跟随蜂选择引领蜂的概率公式为： 人工蜂群算法对工件尺寸有差异的单机批调度问 C‘ 题进行成功优化【8]。