基于粒子群和人工蜂群混合优化的混合优化算法.docxVIP

基于粒子群和人工蜂群混合优化的混合优化算法 干预算法是1995年提出的基于集体智慧的随机进化算法。这是根据鸟群、鱼群和人类社会行为规律提出的。由于算法收敛的速度快、设置参数少、实现简单,近年来受到学术界的广泛重视。现在,PSO在函数优化、神经网络训练、模式分类、模糊系统控制以及其它工程领域都得到了广泛的应用。尽管传统的PSO在低维空间的函数寻优问题上具有求解速度快、质量高的特点,但是一旦函数的维数增加,其优化性能便急剧下降,容易陷入局部极值,导致收敛精度降低和不易收敛到全局最优。 人工蜂群算法(Artificial Bee Colony,ABC)是Karaboga于2005年提出的一种基于群体智能的随机优化算法,算法模拟蜜蜂群体的采蜜行为。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。目前,关于ABC的研究与应用还处于初级阶段,但由于其控制参数少、易于实现、计算简洁等优点,已被越来越多的学者所关注。ABC已成功的应用于解决函数的数值优化、人工神经网络训练、滤波器设计、生产调度、机器人路径规划等工程领域问题。ABC较好的平衡了探索和开采的能力,但是由于进化方式和选择策略的影响,使算法在快速收敛的同时容易陷入局部最优。 为了克服PSO和ABC单个算法在求解全局优化问题时容易陷入局部最优的缺陷,本文基于PSO和ABC提出了一种新型的混合优化算法——