融合多策略的混沌人工蜂群算法.pdfVIP

***第45卷第2期绥化学院学报2025年2月

Vol.45No.2JournalofSuihuaUniversityFeb..2025

融合多策略的混沌人工蜂群算法

倪红梅1·刘永建²·李盼池1

黑龙江大庆163318)

（1.东北石油大学计算机与信息技术学院；2.东北石油大学石油工程学院

摘要：针对人工蜂群算法局部搜索能力不强的缺点，提出了一种融合多策略的混沌人工蜂群算法。首先用Sine混沌映射产

生更好的种群个体，然后借鉴粒子群优化算法，修改了雇佣蜂的搜索方程，接着利用差分进化算法中变异操作，建立变异策略池，实

现蜂群个体随机选择变异策略，保证种群的多样性，最后对蜂群个体极值和全局最优解进行随机扰动，进一步提高了种群的可进化

能力。通过对20个基准函数进行测试，结果显示，所提出的算法具有较快的收敛速度和较好的寻优能力。

关键词：人工蜂群算法；混沌映射；搜索方程；变异策略池；随机扰动

中图分类号：TP183文献标识码：A文章编号：2095-0438(2025)02-0146-04

人工蜂群(ArtificialBeeColony,ABC)算法是模拟蜜蜂觅食的变化自适应选择，同时引人随机分组机制来代替原有的轮盘

行为的一种启发式算法，用来寻找目标函数的最优解。因为选择,并且修改搜索策略，实验结果表明，比其他ABC变体具有

ABC算法具有全局搜索能力强的优点，已经被广泛应用于多个更好的性能。Ye等人10]提出了一种带有自适应搜索方式和维

领域-4]。但ABC算法在求解复杂问题的时候，也与其他群智数扰动的改进ABC，与7种不同的ABC变体相比，此方法具有

能优化算法有着类似的易陷人局部最优、收敛速度慢等缺点。较强的竞争力。Cui等人(I提出了一种改进的动态复合ABC

为了解决这一问题，很多学者已经对ABC算法进行了改进[5-13]。

算法，采用对称拉丁超立方体设计，增强了初始种群的多样

Cao等人[5]提出了一种自适应多策略人工蜂群算法来解决性，动态调整雇佣蜂的数量，在雇佣蜂阶段和观察蜂阶段分别

综合过程规划和调度问题。该算法将两种具有不同特征的搜采用了两个参数自适应的搜索方程，取得了较好的寻优效果。

索策略引人到雇佣蜂和观察蜂中,同时采用相应的邻域结构，Zhang等人(2}]提出了一种基于网格的人工蜂群算法，用于求解

融人了一种特定局部搜索算法，可以提高算法进化能力。Han人工装卸作业车间调度问题，得到了较满意的结果。Yang等

人[13]提出了一种具有自适应搜索策略选择的新型ABC机制，称

和Chen等人[6]为了解决多约束条件下无人自主直升机的飞行

问题，提出了一种基于多策略进化学习人工蜂群算法的路径规为ABC-A。ABC-A的基本思想是在一维搜索策略和全维搜索

划方法，仿真结果表明取得了较好的优化效果。Pan等人[{7提出策略之间自适应调整，仿真结果表明，ABC-A在收敛速度和数

了随搜索过程动态变化的自适应精英群体的概念，并在此基础值稳定性方面优于其他的ABC变体和进化算法。

上修正了搜索方程，并且还引人了一种维度内存机制，允许多本文提出了一种融合多策略的混沌人工蜂群算法(Chaotic

维更新，从而加快了收敛速度。Guo等人8为了提高人工蜂群ArificialBeeColony.AlgorithmwithMulti-strategy,MCABC)。该

算法在一些复杂优化问题上的搜索性能,提出了一种基于个体算法用Sine混沌映射产生更好的初始解，借鉴粒子群优化算

分级的双子群ABC算法，各子群分别应用不同的候选策略，实法，修改了雇佣蜂的搜索方程，利用差分进化算法中变异操作，

验结果显示此方法可以保持种群多样性，实现良好的收敛性建立变异策略池，蜂群中每个个体随机选择变异策略，同时引

能。Zeng等人[9]提出了一种基于自适应搜索策略和随机分组机