NelderMead蜂群混合优化算法及其收敛性分析与性能比较.doc

Nelder-Mead蜂群混合优化算法及其收敛性分析与性能比较 杨晨光1, 陈杰2, 涂绪彦2 1 中国船舶工业集团公司船舶系统工程部，北京，10036 2 北京理工大学信息科学技术学院自动控制系，北京，100081 关键词：蜂群优化算法，Nelder-Mead方法，马尔科夫链，基于Nelder-Mead方法的蜂群优化算法，旅行商问题. 摘要 蜂群优化算法是一种新的群智能优化算法，但具有收敛速度慢和计算过程复杂等不足。通过改变蜂群优化算法的结构，利用Nelder-Mead方法改善其局部搜索能力，提出一种新的优化算法。基于马尔科夫链理论，分析了所提出算法的收敛能力。通过解决旅行商问题进行仿真优化，对所提出的算法与其他优化算法进行比较，仿真结果表明改进的蜂群优化算法具有更好的熟练能力和优化性能。 Keywords: Marriage in honey bees optimization (MBO), Nelder-Mead Method, Markov chain, Nelder-Mead Marriage in Honey Bees Optimization (NMMBO), Traveling Salesman Problem (TSP). Abstract Marriage in Honey Bees Optimization (MBO) is a new swarm-intelligence method, but it has the shortcomings of low speed and complex computation process. By changing the structure of MBO and utilizing the Nelder-Mead method to perform the local characteristic, we propose a new optimization algorithm. The global convergence characteristic of the proposed algorithm is proved by using the Markov Chain theory. And then some simulations are done on Traveling Salesman Problem (TSP) and several public evaluation functions. Comparing the proposed algorithm with MBO, Improved MBO (IMBO) and Genetic Algorithm (GA), simulation results show that the proposed algorithm has better convergence performance. 1 引言 群智能是一个新兴热门研究领域，重点关注群居动物的社会习性，抽象出模型，用于解决优化问题。近年来，基于蜂群繁育过程所提出的蜂群优化算法引起了注意。蜂群优化算法（Marriage in Honey Bees Optimization -MBO）由Jason Teo 和Hussein A. Abbass[1,2]所提出，并由Jason Teo、 Hussein A. Abbass [3] 和 Omid Bozorg Haddad [4,5] 等人进行了改进。本文将进一步分析蜂群优化算法的计算能力，并结合Nelder-Mead方法对基本的蜂群优化算法进行了改进，并利用马尔科夫理论分析收敛性。 下文中，将首先对蜂群优化算法和马尔科夫链理论进行介绍，然后对蜂群优化算法进行分析，提出改进的蜂群优化算法，并进行仿真比较。 2 蜂群优化算法 蜂群的行为特点不仅与遗传能力有关，还与生态环境、生理环境及外界条件，以及这些因素的相互影响有关[1,2]，表现出很强的社会性行为，例如合作、交流等，已引起了学者们的广泛兴趣，近年来，有越来越多的研究围绕此而展开。 蜂群优化算法就是其中的一项研究成果，它模拟了蜂群的繁育过程，包括以下主要步骤：多个雄蜂通过竞争获得与蜂后交配的机会；强壮的雄蜂将会有较大的概率胜出；未能交配的雄蜂将被蜂群淘汰；幼蜂将由工蜂来照顾。 3 马尔科夫链理论 马尔可夫链是一种无后效性的随机过程，下时状态只取决于状态和转移概率，过去无关[6] ：已知方阵 定义2[6] 如果状态空间是有限集，即，且一步转移概率与时间无关，即 则称这样的马尔可夫链为齐次有限马尔可夫链。式中，为在时刻，由状态到状态的一步转移概率。 定理1[6]齐次有限马尔可夫链，其转移概率矩阵为，如果 则称此马尔可夫链是遍历的，