一种多策略融合改进的人工蜂鸟算法.pdfVIP

信息与电脑

2025年第6期InformationComputer计算机基础与应用

一种多策略融合改进的人工蜂鸟算法

王红旗，张超

（宿州职业技术学院计算机信息系，安徽宿州234000）

摘 要：针对人工蜂鸟算法全局搜索能力不强、易陷入局部最优的问题，提出了一种多策略融合改进的人工蜂鸟算

法（ImprovedArtificialHummingbirdAlgorithm，IAHA）。首先，在引导觅食阶段对最大未访问次数候选食物源的数量进

行分类，以提升全局搜索能力；其次，在区域觅食阶段引入Levy飞行及历史最佳位置，以提升跳出局部最优能力；最后，

在迁徙觅食阶段增加更新次数表，以提升种群多样性和跳出局部最优能力。在MATLAB2020上进行IAHA和三种对比

算法的性能对比实验，测试函数选择CEC2022函数测试集。实验结果表明，IAHA算法性能优于对比算法。

关键词：群体智能优化算法；人工蜂鸟算法；收敛精度；收敛速度

中图分类号：TP301.6   文献标识码：A   文章编号：1003-9767（2025）06-139-05

AnArtificialHummingbirdAlgorithmImprovedbyMulti-StrategyFusion

WANGHongqi,ZHANGChao

(DepartmentofComputerInformation,SuzhouVocationalandTechnicalCollege,SuzhouAnhui234000,China)

Abstract:Inresponsetotheproblemofweakglobalsearchabilityandsusceptibilitytolocaloptimaintheartificial

hummingbirdalgorithm,amultistrategyfusionimprovedartificialhummingbirdalgorithm(IAHA)isproposed.Firstly,

duringtheguidedforagingphase,classifythemaximumnumberofunvisitedcandidatefoodsourcestoenhanceglobalsearch

capabilities;Secondly,Levyflightsandhistoricalbestpositionsareintroducedintheregionalforagingphasetoenhancethe

abilitytojumpoutoflocaloptima;Finally,increasetheupdatefrequencytableduringthemigrationandforagingphaseto

enhancepopulationdiversityandescapefromlocaloptima.ConductperformancecomparisonexperimentsbetweenIAHAand

threecomparisonalgorithmsonMATLAB2020,usingtheCEC2022functiontestsetasthetestingfunction.Theexperimental

resultsshowthattheIAHAalgorithmperformsbetterthanthecomparedalgorithms.

Keywords:swarmintelligenceoptimizationalgorithm;artificialhummingbirdalg