一种增强局部搜索能力的改进人工蜂群算法

摘要：

针对人工蜂群算法初始化群体分布不均匀和局部搜索能力弱的问题,本文提出了一种增强局部搜索能力的人工蜂群算法(ESABC).首先,在种群初始化阶段采用高维洛伦兹混沌系统,得到遍历性好、有规律的初始群体,避免了随机初始化的盲目性.然后,采用基于对数函数的适应度评价方式,以增大种群个体间差异,减小选择压力,避免过早收敛.最后,在微分进化算法的启发下,提出了一种新的搜索策略,采用当前种群中的最佳个体来引导下一代的更新,以提高算法的局部搜索能力.通过对12个经典测试函数的仿真实验,并与其他经典的改进人工蜂群算法对比,结果表明:本文算法具有良好的寻优性能,无论在解的精度还是收敛速度方面效果都有所提高.

关键词：人工蜂群算法、高维混沌系统、适应度评价、搜索策略、优化算法、演化算法、收敛性分析、精度分析、智能算法

所属期刊栏目：12

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金资助项目61203242;物联网云计算平台建设资助项目2013H2002;华侨大学研究生科研创新能力培育计划资助项目1511322003

在线出版日期：2017-12-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：684-693