改进人工蜂群算法及其应用研究开题报告.doc

改进人工蜂群算法及其应用研究开题报告 篇一：人工蜂群算法在投资组合问题中的应用 北方民族大学本科学生毕业论文（设计）任务书 设计（论文）题目人工蜂群算法在投资组合问题中的应 用 学院、专业 信息与计算科学学院数学与应用数学 学生姓名肖有忠 指导教师姓名、职称王贞 讲师下发日期 2012年11月30日 （任务起止日期：2012年11月30日至2013年5 月25日） 注：1?此任务书由指导教师填写。 2?此任务书最迟必须在第七学期20周之前下达给学生。3. 此表由各系（部）收集存档，以备教务处检查。 北方民族大学教务处制 篇二：优化算法——人工蜂群算法（ABC） 优化算法——人工蜂群算法（ABC） 一、人工蜂群算法的介绍 手机微信关注公众号ID： datadw学习数据挖掘，研究 大数据，关注你想了解的，分享你需要的。人工蜂群算法 (Artificial Bee Colony, ABC)是由 Karaboga 于 2005 年提出 的一种新颖的基于群智能的全局优化算法，其直观背景来源 于蜂群的采蜜行为，蜜蜂根据各自的分工进行不同的活动， 并实现蜂群信息的共享和交流，从而找到问题的最优解。人 工蜂群算法属于群智能算法的一种。 二、人工蜂群算法的原理 1、原理 标准的ABC算法通过模拟实际蜜蜂的釆蜜机制将人工蜂 群分为3类：釆蜜蜂、观察蜂和侦察蜂。整个蜂群的目标是 寻找花蜜量最大的蜜源。在标准的ABC算法中，采蜜蜂利 用先前的蜜源信息寻找新的蜜源并与观察蜂分享蜜源信息; 观察蜂在蜂房中等待并依据采蜜蜂分享的信息寻找新的蜜 源；侦查蜂的任务是寻找一个新的有价值的蜜源，它们在蜂 房附近随机地寻找蜜源。 假设问题的解空间是维的，采蜜蜂与观察蜂的个数都是 ,采蜜蜂的个数或观察蜂的个数与蜜源的数量相等。则标 准的ABC算法将优化问题的求解过程看成是在维搜索空间 中进行搜索。每个蜜源的位置代表问题的一个可能解，蜜源 的花蜜量对应于相应的解的适应 度。一个采蜜蜂与一个蜜源是相对应的。与第个蜜源相 对应的采蜜蜂依据如下公式寻找新的蜜源： 其中是区 间上的随机数， 与原来。标准的ABC算法将新生成的可能解 的解作比较，并采用贪婪选择策略保留较好的解。每一个 观察蜂依据概率选择一个蜜源，概率公式为 其中，是可能解的适应值。对于被选择的蜜源，观察蜂 根据上面概率公式搜寻新的可能解。当所有的釆蜜蜂和观察 蜂都搜索完整个搜索空间时，如果一个蜜源的适应值在给定 的步骤内（定义为控制参数“limit”）没有被提高，则丢弃该 蜜源，而与该蜜源相对应的采蜜蜂变成侦查蜂，侦查蜂通过 已下公式搜索新的可能解。 其中，是区间 2、流程 初始化；上的随机数，和是第维的下界和上界。？ ?重复以下过程： o将釆蜜蜂与蜜源一一对应，根据上面第一个公式更新蜜 源信息，同时确定蜜源的花蜜量; 0观察蜂根据釆蜜蜂所提供的信息采用一定的选择策略选 择蜜源，根据第一个公式更新蜜源信息，同时确定蜜源的花 蜜量； ?确定侦查蜂,并根据第三个公式寻找新的蜜源; ?确定侦查蜂, 并根据第三个公式寻找新的蜜源; 记忆 迄今为止最好的蜜源；判断终止条件是否成立; 三、人工蜂群算法用于求解函数优化问题 对于函数 其中 代码: [cpp] view plaincopy。 #includelt;iostrea mgt; #includelt;time?hgt; #includelt;stdlib.hgt; #includelt;cmathgt; #includelt;fstrea mgt; 6? #includelt;iomanipgt; using namespace std; 8. 9. const int NP=40;〃种群的规模，采蜜蜂+观察蜂 为采蜜蜂10. const int FoodNumber=NP/2;〃食物的数量， 为采蜜蜂 的数量 11. const int limit=20;//限度，超过这个限度没有更新采蜜 蜂变成侦查蜂12. const int maxCycle=10000;〃停止条件 ]4 /*****函数的特定参数*****/ 15. const int D=2;〃函 15. const int D=2;〃函 的参数个数 const double lb=-100;//函数的下界 const double ub=100;//函数的上界 18. double result[maxCyde]={0}; 20. 21. /*****种群的定义****/ struct BeeGroup { double code[D];〃函数的维数 25. double tmeFit;〃记录真实的最小值 26. double fitness; 27.double r 27. double r行tn