葛蕓

摘要：針對(duì)人工蜂群算法在求解復(fù)雜函數(shù)時(shí)收斂速度較慢、容易陷入局部最優(yōu)的缺陷，提出一種基于概率選擇基向量的人工蜂群算法。新算法在雇傭蜂和觀察蜂執(zhí)行搜索策略時(shí)，利用輪賭法從整個(gè)種群中選擇一個(gè)個(gè)體，并將其作為基向量，在其鄰域內(nèi)生成候選食物源，新算法能較好的平衡局部搜索能力和全局搜索能力。仿真實(shí)驗(yàn)結(jié)果表明所提出的算法具有較快的收斂速度和較高的求解精度。

關(guān)鍵詞： 人工蜂群算法；基向量；搜索策略

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）26-0185-02

5 結(jié)論

為解決ABC算法存在的收斂速度慢且容易陷入早熟收斂的問(wèn)題，提出一種基于概率選擇基向量的人工蜂群算法，新算法在雇傭蜂和觀察蜂執(zhí)行搜索策略時(shí)把從整個(gè)種群中利用輪賭法選擇出的個(gè)體作為基向量，并在其鄰域內(nèi)進(jìn)行搜索，生產(chǎn)候選食物源。仿真實(shí)驗(yàn)結(jié)果表明，新算法比基本人工蜂群算法在優(yōu)化性能和魯棒性等方面都有了較大的改善。

參考文獻(xiàn)：

[1] Karaboga D. An idea based on honey bee swarm for numerical optimization[R]. Kayseri： Erciyes University， 2005.

[2] Zhu G P， Kwong S. Gbest-guided artificial bee colony algorithm for numerical function optimization[J]. Applied Mathematics and Computation， 2010， 217（7）： 3166-3173.

[3] Gao W F， Liu S Y. A modified artificial bee colony algorithm[J]. Computer & Operations Research， 2012， 39（3）：687-697.

[4] Gao W F， Liu S Y， Huang L L. A global best artificial bee colony algorithm for global optimization[J]. Journal of Computational and Applied Mathematics， 2012， 236（11）： 2741-2753.

[5] Kiran M S， Hakli H， Gunduz M， et al. Artificial bee colony algorithm with variable search strategy for continuous optimization[J]. Information Sciences， 2015， 300（1）： 140-157.

[6] Banharnsakun A， Achalakul T， Sirinaovakul B. The bset-so-far selection in artificial bee colony algorithm[J]. Applied Soft Computing， 2011， 11（2）： 2888-2901.

[7] Gao W F， Liu S Y， Huang L L. A novel artificial bee colony algorithm based on modified search equation and orthogonal learning [J]. IEEE Transactions on Cybernetics， 2013， 43（3）： 1011-1024.

[8] Gao W F， Liu S Y. Improved artificial bee colony algorithm for global optimization[J]. Information Processing Letters， 2011， 111（17）： 687-697.