基于信息反馈和改进适应度评价的人工蜂群算法 - 智能系统学报.PDFVIP

第 １１卷第２期　 　 　 　 　 　 　 　 　 　 　 　 智　 能　 系　 统　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 Ｖｏｌ．１１№．２ ２０１６年４月　 　 　 　 　 　 　 　 　 　 　 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ　 　 　 　 　 　 　 　 　 　 　 　 　 Ａｐｒ． ２０１６ ＤＯＩ：１０．１１９９２／ ｔｉｓ．２０１５０６０２４ 网络出版地址：ｈｔｔｐ：／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ ｋｃｍｓ／ ｄｅｔａｉｌ／ ２３．１５３８．ＴＰ１０５１．００２．ｈｔｍｌ 基于信息反馈和改进适应度评价的人工蜂群算法 陈杰，沈艳霞，陆欣 （江南大学物联网技术应用教育部工程研究中心，江苏无锡 ２１４１２２） 摘　 要：针对原始人工蜂群算法存在收敛速度慢和易陷入局部最优的不足，提出了一种基于信息反馈和改进适应度 评价的人工蜂群算法。 首先，引入种群个体分量记忆机制对个体信息进行反馈以增强种群开发能力，加快算法收敛 速度；其次，为避免因种群后期无法识别优秀个体导致的“早熟”现象，通过改进适应度函数增大不同个体间解的差 异性；最后，采用最优蜜源引导机制改进淘汰更新函数以避免不良个体的产生。 对标准函数的测试结果表明，改进 后算法有较快的收敛速度和较高的收敛精度。 关键词：人工蜂群算法；群体智能；进化算法；函数优化；信息反馈 中图分类号：ＴＰ１８　 文献标志码：Ａ　 文章编号：１６７３⁃４７８５（２０１６）０２⁃０１７２⁃０８ 中文引用格式：陈杰，沈艳霞，陆欣． 基于信息反馈和改进适应度评价的人工蜂群算法［Ｊ］． 智能系统学报，２０１６，１１（２）：１７２⁃１７９． 英文引用格式：ＣＨＥＮ Ｊｉｅ，ＳＨＥＮ Ｙａｎｘｉａ，ＬＵ Ｘｉ． Ａｒｔｉｆｉｃｉａｌ ｂｅｅ ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｆｅｅｄｂａｃｋ ａｎｄ ａｎ ｉｍｐｒｏｖｅｄ ｆｉｔｎｅｓｓ ｖａｌｕｅ ｅｖａｌｕａｔｉｏｎ［Ｊ］． ＣＡＡＩ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｉｎｔｅｌｌｉｇｅｎｔ ｓｙｓｔｅｍｓ，２０１６，１１（２）：１７２⁃１７９． Ａｒｔｉｆｉｃｉａｌ ｂｅｅ ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｆｅｅｄｂａｃｋ ａｎｄ ａｎ ｉｍｐｒｏｖｅｄ ｆｉｔｎｅｓｓ ｖａｌｕｅ ｅｖａｌｕａｔｉｏｎ ＣＨＥＮＪｉｅ，ＳＨＥＮ Ｙａｎｘｉａ，ＬＵ Ｘｉｎ （Ｒｅｓｅａｒｃｈ Ｃｅｎｔｅｒ ｏｆ Ｅｎｇｉｎｅｅｒｉｎｇ Ａｐｐｌｉｃａｔｉｏｎｓｆｏｒ ＩＯＴ，Ｊｉａｎｇｎａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ ２１４１２２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ａｒｔｉｆｉｃｉａｌ ｂｅｅ ｃｏｌｏｎｙ （ＡＢＣ） ａｌｇｏｒｉｔｈｍ ｃｏｎｖｅｒｇｅｓ ｓｌｏｗｌｙ ａｎｄ ｅａｓｉｌｙ ｇｅｔｓ ｓｔｕｃｋ ｏｎ ｌｏｃａｌ ｓｏｌｕｔｉｏｎｓ； ｈｅｎｃｅ，ａｎ ＡＢＣ ａｌｇｏｒｉｔｈｍｂａｓｅｄ ｏｎ ｉｎｆｏｒｍａｔｉｏｎｆｅｅｄｂａｃｋ ａｎｄ ａｎ ｉｍｐｒｏｖｅｄｆｉｔｎｅｓｓｖａｌｕｅ ｅｖａｌｕａｔｉｏｎ ｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅ ａｌｇｏｒｉｔｈｍ ｆｉｒｓｔ ｉｎｔｒｏｄｕｃｅｓａｍｅｍｏｒｙ ｍｅｃｈａｎｉｓｍｆｏｒ ｉｎｄｉｖｉｄｕａｌ ｃｏｍｐｏｎｅｎｔｓｔｏｆｅｅｄｂａｃｋｉｎｆｏｒｍａｔｉｏｎｔｏ ｅｎｈａｎｃｅｉｔｓｃａ⁃ ｐａｃｉｔｙ ｆｏｒ ｐｏｐｕｌａｔｉｏｎ ｅｘｐｌｏｉｔａｔｉｏｎ ａｎｄｔｏ ａｃｃｅｌｅｒａｔｅｔｈｅ ｃｏｎｖｅｒｇｅｎｃｅ ｓｐｅｅｄ．Ｔｈｅｎ，ｉｔ ａｄｏｐｔｓａ ｎｅｗ ｆｉｔｎｅｓｓｆｕｎｃｔｉｏｎｔｏ ｉｎｃｒｅａｓｅ ｔｈｅｄｉｆｆｅｒｅｎｃｅｂｅｔｗｅｅｎｉｎｄｉｖｉｄｕａｌｓａｎｄｔｏａｖｏｉｄｐｒｅｍａｔｕｒｅｃｏｎｖｅｒｇｅｎｃｅｆｒｏｍｆａｉｌｉｎｇｔｏｉｄｅｎｔｉｆｙｔｈｅｂｅｓｔｉｎｄｉ⁃ ｖｉｄｕａｌ． Ｆｉｎａｌｌｙ，ｔｈｅａｌｇｏｒｉｔｈｍｉｎｔｅｇｒａｔｅｓａｎｏｐｔｉｍａｌ ｎｅｃｔａｒ⁃ｓｏｕｒｃｅｇｕｉｄａｎｃｅｍｅｃｈ