人工蜂群算法的改進及應用研究.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、參數(shù)少等特點，自2005年被土耳其學者Karaboga提出以來，已經(jīng)被成功應用到約束數(shù)值優(yōu)化問題、多目標優(yōu)化問題、訓練人工神經(jīng)網(wǎng)絡、蛋白質的檢測和預測、動態(tài)路徑選擇、可靠性冗余分配等領域，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，在求解一些復雜的實

2、際問題上還處于起步階段。所以，改進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用范圍有著重要的研究意義及實際價值。通過仔細研究會發(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果讓人還不是很滿意。所以很多學者致力于對該算法進行改進，讓它能更好的去解決實際問題、拓寬其應用范圍。
　　本文在借鑒差分進化算法中突變算子的基礎上，針對上述人工蜂群算法的不足之

3、處，提出了幾種改進算法，并將其中一種表現(xiàn)優(yōu)異的改進應用到了非線性方程組的求解中去。主要工作如下:
　　首先，本文詳細介紹了人工蜂群算法的來由、生物模型和基本思想，并詳細分析了算法的基本步驟、時間復雜度和特點。然后針對算法的收斂速度慢的缺點，我們在改進算法的搜索方式中引入了當前最優(yōu)解的信息，這樣能夠有效引導搜索向全局最優(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，改進算法的收斂速度明顯快于標準人工蜂群算法。
　　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度計算作了調(diào)整，簡化了原先算法中復雜難懂的計算方式，選擇直接用函數(shù)的值來作為解的適應度，既簡單又一目了然。本文將上面改進算法中性能比較好的一種