基于共享因子的人工蜂群算法的研究與應用.pdf

1、作為一種新興的元啟發(fā)式優(yōu)化算法，人工蜂群算法（ABC）已經(jīng)受到了很多專家學者的關注。該算法是由土耳其學者Karaboga于2005年提出來的，其靈感來自于蜜蜂采蜜的過程。人工蜂群算法具有參數(shù)少、易實現(xiàn)、計算簡單、收斂速度快等的優(yōu)點，因而，已被廣泛應用到諸多領域。但是，ABC算法在解決函數(shù)優(yōu)化問題時表現(xiàn)出來的性能不佳，在算法實現(xiàn)過程中容易陷入局部最優(yōu)，收斂速度較差。因此，本文就如何提高ABC算法的搜索性能及其在新安江水文模型上的應用進行了

2、研究，主要內(nèi)容有：
　　首先，對標準ABC算法的生物原理、數(shù)學模型、算法流程做了詳細的分析，并根據(jù)ABC算法的特點，從相關文獻中重點研究了一種改進的ABC算法，即朱國普等人提出的全局最優(yōu)人工蜂群（GABC）算法。該算法針對標準ABC算法在搜索解時的隨機性、盲目性，在ABC算法基礎上增加了全局搜索部分，并將該算法與標準ABC算法在同一組測試函數(shù)中進行實驗測試。測試結果表明，GABC算法比ABC算法的搜索精度更高，同時收斂速度更快。<

3、br>　　其次，經(jīng)過研究發(fā)現(xiàn)GABC算法并沒有使局部搜索能力和全局搜索能力達到一種平衡，搜索精度和算法收斂速度仍然有很大的提升空間，因此，本文針對算法的搜索方程做了改進，提出了一種基于共享因子的全局最優(yōu)人工蜂群（SF-GABC）算法。改進的方法是在搜索方程的局部搜索部分和全局搜索部分分別添加了兩個共享因子，使得蜜蜂在搜索蜜源的過程不是盲目搜索而是有目的地搜索。因此，增強了SF-ABC算法的尋優(yōu)能力。為證明改進算法的有效性，在參數(shù)設置相同

4、的情況下，使ABC算法、GABC算法和SF-GABC算法分別對一組標準測試函數(shù)進行仿真實驗，并對比分析了實驗結果。實驗結果表明，SF-GABC算法收斂速度更快，函數(shù)優(yōu)化精度更高。
　　最后，將改進的算法應用到新安江水文模型上，用于解決水文模型的參數(shù)估計問題。并與ABC算法、GABC算法參數(shù)估計結果進行實驗對比分析。實驗結果表明，與ABC算法和GABC算法相比，SF-GABC算法獲得的水文模型參數(shù)優(yōu)化結果精度更高，并且算法收斂速度更