多群體并行演化算法的研究.pdf

1、人工蜂群算法(ABC)是近年來新出現(xiàn)的高效的全局尋優(yōu)算法，但是由于是單群體的串行優(yōu)化算法，所以容易出現(xiàn)早熟收斂的情況，并且其貪婪選擇方式導致在算法后期收斂速度較慢。為了克服這些缺點，本文引入交叉熵方法結合人工蜂群算法，提出一種新的交叉熵蜂群算法(CEABC)。并行演化算法是近年來優(yōu)化算法進一步的發(fā)展方向，但是當前并行算法在計算數(shù)和穩(wěn)定性上提升較少，并且對并行人工蜂群算法的研究也僅在起步階段。因此，本文在遵循ABC算法原理特性的基礎上，從

2、多群體角度出發(fā)，提出粗粒度并行人工蜂群算法(CPABC)和粗粒度并行交叉熵蜂群算法(CPCEABC)。
　　交叉熵方法可以很好地結合ABC算法中觀察蜂生成機制，替代輪盤賭選擇方式。CPABC和CPCEABC在結構上結合ABC算法中偵查蜂操作，加強算法避免早熟收斂的能力?；鶞蕼y試函數(shù)測試結果表明，三種新算法在尋優(yōu)能力和收斂速度上都明顯提高。本文將 CPABC算法離散化，并應用于旅行商(TSP)問題中。新算法對兩個TSP算例都能尋到最