人工蜂群算法的改進(jìn)及應(yīng)用研究.pdf

1、人工蜂群算法是一種新型的元啟發(fā)式搜索算法，它的實現(xiàn)原理是模擬蜂群在采蜜過程中所表現(xiàn)出的群智能行為來實現(xiàn)對實際問題的求解。由于該算法簡單易懂、容易實現(xiàn)、魯棒性強(qiáng)、參數(shù)少等特點，自2005年被土耳其學(xué)者Karaboga提出以來，已經(jīng)被成功應(yīng)用到約束數(shù)值優(yōu)化問題、多目標(biāo)優(yōu)化問題、訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)、蛋白質(zhì)的檢測和預(yù)測、動態(tài)路徑選擇、可靠性冗余分配等領(lǐng)域，都取得了較好的研究成果。不過它作為一種新型的算法，其算法模型還不是很成熟，在求解一些復(fù)雜的實

2、際問題上還處于起步階段。所以，改進(jìn)人工蜂群算法的理論模型，使其有更好的解決問題的能力及更廣的應(yīng)用范圍有著重要的研究意義及實際價值。通過仔細(xì)研究會發(fā)現(xiàn)人工蜂群算法存在不足的地方主要是收斂精度不高、收斂速度慢、易陷入局部最優(yōu)解等，這使得它在解決有些問題時得到的結(jié)果讓人還不是很滿意。所以很多學(xué)者致力于對該算法進(jìn)行改進(jìn)，讓它能更好的去解決實際問題、拓寬其應(yīng)用范圍。
　　本文在借鑒差分進(jìn)化算法中突變算子的基礎(chǔ)上，針對上述人工蜂群算法的不足之

3、處，提出了幾種改進(jìn)算法，并將其中一種表現(xiàn)優(yōu)異的改進(jìn)應(yīng)用到了非線性方程組的求解中去。主要工作如下:
　　首先，本文詳細(xì)介紹了人工蜂群算法的來由、生物模型和基本思想，并詳細(xì)分析了算法的基本步驟、時間復(fù)雜度和特點。然后針對算法的收斂速度慢的缺點，我們在改進(jìn)算法的搜索方式中引入了當(dāng)前最優(yōu)解的信息，這樣能夠有效引導(dǎo)搜索向全局最優(yōu)快速收斂。在后面的仿真實驗中可以發(fā)現(xiàn)在解決單峰問題時，改進(jìn)算法的收斂速度明顯快于標(biāo)準(zhǔn)人工蜂群算法。
　　其次

4、，針對算法容易陷入局部最優(yōu)的問題，我們在改進(jìn)算法的搜索方式中引入一個或兩個擾動向量，這樣來保持種群的多樣性，防止算法陷入局部最優(yōu)。在仿真實驗中可以看出在解決多峰問題時，改進(jìn)的人工蜂群算法比其他智能算法的收斂精度更高，也即是跳出了局部最優(yōu)的表現(xiàn)形式。
　　最后，本文對人工蜂群算法中對于解的適應(yīng)度計算作了調(diào)整，簡化了原先算法中復(fù)雜難懂的計算方式，選擇直接用函數(shù)的值來作為解的適應(yīng)度，既簡單又一目了然。本文將上面改進(jìn)算法中性能比較好的一種