基于信息反馈和改进适应度评价的人工蜂群算法
针对原始人工蜂群算法存在收敛速度慢和易陷入局部最优的不足,提出了一种基于信息反馈和改进适应度评价的人工蜂群算法。首先,引入种群个体分量记忆机制对个体信息进行反馈以增强种群开发能力,加快算法收敛速度;其次,为避免因种群后期无法识别优秀个体导致的“早熟”现象,通过改进适应度函数增大不同个体间解的差异性;最后,采用最优蜜源引导机制改进淘汰更新函数以避免不良个体的产生。对标准函数的测试结果表明,改进后算法有较快的收敛速度和较高的收敛精度。
人工蜂群算法、群体智能、进化算法、函数优化、信息反馈
11
TP18(自动化基础理论)
国家自然科学基金项目61573167;高等学校博士学科点专项科研基金项目20130093110011;江苏省自然科学基金项目 BK20141114.
2016-05-23(万方平台首次上网日期,不代表论文的发表时间)
共8页
172-179