人工蜂群算法的改进研究An improved study of artificial bee colony algorithm.pdfVIP

I III 摘 要 仿生智能计算是一类模拟自然界生物、生态等系统中“优胜劣汰”行为的模 型和算法，具有自适应、自组织、自学习等特点，能够解决传统计算方法难于解 决的各种复杂问题。仿生智能计算在解决许多复杂优化问题方面已经展现出其优 异的性能和巨大的发展潜力，近几年吸引了国内外许多学者对其进行了多方面的 研究工作。 人工蜂群算法是由土耳其学者Karaboga 提出的一种模拟蜜蜂群体寻找优良 蜜源的仿生智能计算方法，该算法提出至今才9 年。人工蜂群算法优点明显,如 原理简单、控制参数较少、容易实现，还具有很高的收敛速度，且己被证明是一 种优秀的全局优化算法, 因此受到很多的国内外学者关注。但是，目前的人工蜂 群算法的研究和应用还处于初级阶段，还存在一些不足,如易早熟收敛,进化后期 寻优速度慢等。 针对人工蜂群算法的不足,本文在对人工蜂群算法的原理、模型和信息共享 机制进行深入探讨的基础上对人工蜂群算法进行改进,提出了两种改进算法,实 验结果表明改进算法达到了预期效果。论文的主要贡献如下: 首先，人工蜂群算法中的侦察蜂阶段的搜索操作在一定程度上可以解决算 法陷入局部最优的问题，但也和其他启发式优化算法一样，存在着局部搜索能力 差，在接近最优解