求解大規(guī)模優(yōu)化問題的自適應人工蜂群算法研究.pdf

1、因為進化算法參數(shù)簡單、而且能夠高效地處理各種各樣的問題，所以在近三十年，許多研究人員都致力于研究進化算法，或者稱之為演化算法。與其他傳統(tǒng)方法相比，演化算法有著完善的全局優(yōu)化能力和優(yōu)秀的魯棒性。由于進化算法有著很強的自我學習性的特點，因而它們有能力挑戰(zhàn)那些一般方法不能處理的復雜的實際問題。人工蜂群算法(Artificial Bee Colony，ABC)是一種源于蜂群覓食活動的仿生算法，現(xiàn)有的研究表明，ABC算法可以用來在實踐中解決各種各

2、樣的優(yōu)化問題，是一種有效的、健壯的群體智能算法。但是，與其他的仿生算法類似，人工蜂群算法在某些方面也存在著一些局限性，比如說在處理有些優(yōu)化問題的時候，ABC善于勘探但不擅長開采。因此，為了克服這種局限，并且使得ABC能夠處理更加多樣性的優(yōu)化問題，本文主要做了以下研究工作:
　　(1)首先，源于差分進化算法(Differential Evolution，DE)的啟發(fā)，本文將一些DE的變異搜索策略嵌入了到人工蜂群算法中。這種改進能夠使

3、ABC算法在收斂速率和多樣性之間獲得更好的平衡，可以使算法在保證解精度的前提下提高算法的進化速度。而這是非常有利于算法解決很多現(xiàn)實生活中的優(yōu)化問題的。此外，本文還將人工蜂群算法運用到了大規(guī)模優(yōu)化問題中，仿真數(shù)據(jù)顯示，改進后的ABC算法是比一些傳統(tǒng)的算法要優(yōu)的，不過隨著維度的升高的，算法的性能依然會降低。
　　(2)ABC算法有著豐富的多樣性，并且是一種高效的概率式優(yōu)化算法。然而，ABC算法中的候選解產(chǎn)生策略卻是單一的，它雖然善于勘

4、探但是不擅長開采。很多研究人員也漸漸意識到了這一點，紛紛研究了一些改進的搜索策略，但是這些改進后的策略的通用性和健壯性仍然是遠遠不夠的。這主要是ABC算法中只有一個策略造成的。在本文中，提出了一種基于自適應學習機制的人工蜂群算法(Self-adaptive Artificial Bee Colony algorithm based on Global Best,SABC-GB)。在SABC-GB中，算法可以根據(jù)當前的搜索效率自動地選擇最

5、優(yōu)的進化策略，而且性能能夠得到進一步加強。本文在25個基準函數(shù)上進行了實驗，結果顯示SABC-GB是一種非常優(yōu)秀的算法。為了進一步驗證SABC-GB的可行性，還將算法應用到了聚類分析中。最終的測試數(shù)據(jù)證實，在解決繁雜的多峰優(yōu)化問題時，SABC-GB比傳統(tǒng)方法更優(yōu)。這意味著使用了自適應機制后的ABC算法是一種優(yōu)秀的求解工具。
　　(3)接著，本文研究并提出了基于半學習機制的自適應人工蜂群算法(Self-adaptive Artifi

6、cial Bee Colony Algorithm with Symmetry Initialization,SABC-SI)。在SABC-SI算法中，首先研究出的是用于生成初始化種群的基于半空間的初始化算法，它可以大大提高解的多樣性。接著，繼續(xù)優(yōu)化了人工蜂群算法的選擇策略，充分利用了當前代和前一代的最優(yōu)解，并提出了最優(yōu)保留選擇算子。另外，本文還優(yōu)化了ABC中的自適應學習機制，同時提出了一些新的候選解產(chǎn)生策略。然后用25個不同的基準函數(shù)