一种增强局部搜索能力的改进人工蜂群算法-智能系统学报-哈尔滨.PDFVIP

第 １２卷第５期　 　 　 　 　 　 　 　 　 　 　 　 智　 能　 系　 统　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 Ｖｏｌ．１２ №．５ ２０１７年１０月　 　 　 　 　 　 　 　 　 　 　 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ　 　 　 　 　 　 　 　 　 　 　 　 　 Ｏｃｔ． ２０１７ ＤＯＩ：１０．１１９９２／ ｔｉｓ．２０１６１２０２６ 网络出版地址：ｈｔｔｐ：／ ／ ｋｎｓ．ｃｎｋｉ．ｎｅｔ／ ｋｃｍｓ／ ｄｅｔａｉｌ／ ２３．１５３８．ＴＰ０９２２．００４．ｈｔｍｌ 一种增强局部搜索能力的改进人工蜂群算法 １ １ ２ １ 刘晓芳 ，柳培忠 ，骆炎民 ，范宇凌 （１． 华侨大学工学院，福建 泉州３６２０２１；２． 华侨大学计算机科学与技术学院，福建 厦门３６１０２１） 摘　 要：针对人工蜂群算法初始化群体分布不均匀和局部搜索能力弱的问题，本文提出了一种增强局部搜索能力的 人工蜂群算法（ＥＳＡＢＣ）。 首先，在种群初始化阶段采用高维洛伦兹混沌系统，得到遍历性好、有规律的初始群体，避 免了随机初始化的盲目性。 然后，采用基于对数函数的适应度评价方式，以增大种群个体间差异，减小选择压力，避 免过早收敛。 最后，在微分进化算法的启发下，提出了一种新的搜索策略，采用当前种群中的最佳个体来引导下一 代的更新，以提高算法的局部搜索能力。 通过对１２个经典测试函数的仿真实验，并与其他经典的改进人工蜂群算法 对比，结果表明：本文算法具有良好的寻优性能，无论在解的精度还是收敛速度方面效果都有所提高。 关键词：人工蜂群算法；高维混沌系统；适应度评价；搜索策略；优化算法；演化算法；收敛性分析；精度分析；智能 算法 － － － 中图分类号：ＴＰ１８　 文献标志码：Ａ　 文章编号：１６７３ ４７８５（２０１７）０５ ０６８４ １０ 中文引用格式：刘晓芳，柳培忠，骆炎民，等．一种增强局部搜索能力的改进人工蜂群算法［Ｊ］． 智能系统学报，２０１７， １２（５）： － ６８４ ６９３． 英文引用格式：ＬＩＵ Ｘｉａｏｆａｎｇ，ＬＩＵＰｅｉｚｈｏｎｇ，ＬＵＯＹａｎｍｉｎ，ｅｔａｌ．Ｉｍｐｒｏｖｅｄａｒｔｉｆｉｃｉａｌｂｅｅｃｏｌｏｎｙａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｅｎｈａｎｃｅｄｌｏｃａｌ － ｓｅａｒｃｈ［Ｊ］． ＣＡＡＩ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｉｎｔｅｌｌｉｇｅｎｔ ｓｙｓｔｅｍｓ，２０１７，１２（５）：６８４ ６９３． Ｉｍｐｒｏｖｅｄ ａｒｔｉｆｉｃｉａｌ ｂｅｅ ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｅｎｈａｎｃｅｄ ｌｏｃａｌ ｓｅａｒｃｈ １ １ ２ １ ＬＩＵ Ｘｉａｏｆａｎｇ ，ＬＩＵ Ｐｅｉｚｈｏｎｇ ，ＬＵＯ Ｙａｎｍｉｎ ，ＦＡＮ Ｙｕｌｉｎｇ （１． Ｅｎｇｉｎｅｅｒｉｎｇ ｓｃｈｏｏｌ，Ｈｕａｑｉａｏ Ｕｎｉｖｅｒｓｉｔｙ，Ｑｕａｎｚｈｏｕ ３６２０２１，Ｃｈｉｎａ；２． Ｓｃｈｏｏｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｈｕａｑｉａｏ Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉａｍｅｎ ３６１０２１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｓｈｏｒｔｃｏｍｉｎｇｓ ｏｆ ｔｈｅ ａｒｔｉｆｉｃｉａｌ ｂｅｅ ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍ （ＡＢＣ） ａｒｅ ｉｔｓ ｕｎｅｖｅｎ ｉｎｉｔｉａｌ ｐｏｐｕｌａｔｉｏｎ ｄｉｓｔｒｉｂｕｔｉｏｎ ａｎｄ ｗｅａｋ ｌｏ