收藏本站
《江西理工大学》 2018年
收藏 | 手机打开
二维码
手机客户端打开本文

人工蜂群算法搜索策略的改进

施金霄  
【摘要】:随着生活水平的提高、需求的多样化,世界科技的迅猛发展,在科学研究和工程应用等领域中的优化问题变得更为复杂,而传统的简单算法已经不能解决这些优化问题,因而如何设计出新的算法有效地解决它们成为各国学者比较热衷的研究领域。而智能优化算法对解决多目标、高维度、不可微、不连续等复杂问题上具有良好的表现,受到了众多研究者的极大关注。人工蜂群算法(Artificial bee colony algorithm,简称ABC)是受自然界中蜜蜂采蜜过程的启发而提出。该算法结构简单、参数少、易于实现等特点使其自提出之后就受到研究人员的追捧。然而,与其它的智能算法类似,传统人工蜂群算法存在着收敛速度慢、开采能力不足,易陷入局部最优无法找到全局最优解等问题。针对这些问题,本文以加快算法的收敛速度、平衡开采和探索能力以及避免陷入局部最优为主要目标,提出了两种改进的人工蜂群算法。所做的主要工作如下:(1)综述了人工蜂群算法和另外两种常见的智能优化算法提出的思想、基本原理以及算法过程,阐述了人工蜂群算法在搜索策略、参数设置、初始化阶段等方面的改进和在各个领域的应用。(2)为解决传统人工蜂群算法收敛速度慢、探索和开采不平衡以及易陷入局部最优的问题,在算法中引入由当前最优解引导和随机采样的高斯分布加权搜索策略;其次引入控制维度变化的参数,使种群中每代每一个体不止改变一个维度,加快收敛的速度;在雇佣蜂阶段引入包含即将舍弃解中有效信息的高斯方程来产生新解。对改进的算法进行数值实验,实验结果表明改进的算法与标准ABC相比有更好的求解质量,求解精度、稳定性和收敛速度有一定的提高,与GBABC相比,算法的性能有一定的改善。(3)由于基本的人工蜂群算法开采能力不足,而且任何单一的算法不能解决所有的问题的特点,提出了一种基于人工蜂群算法与差分演化算法的混合算法。该算法利用全局最优个体引导解的更新方向,加快搜索速度;利用基于候选解是否成功进入下一代的信息的算法选择策略将两种算法结合一起,加快收敛速度和避免陷入局部最优。对混合算法进行仿真实验,实验结果表明该算法在处理单峰函数问题上有显著的优势,在处理复杂函数问题上表现出了一定的优势。
【学位授予单位】:江西理工大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TP18

【相似文献】
中国期刊全文数据库 前10条
1 Julian Bucknall;丁宁;;数据库算法系列讲座(三)[J];程序员;2002年03期
2 邹汪平;;一种基于网络安全控制的蜂群算法应用研究[J];吉林师范大学学报(自然科学版);2013年04期
3 李向伟;曹博;;时间参数在HITS算法中的应用及改进[J];兰州工业高等专科学校学报;2006年02期
4 吴涛;彭笃学;;一种改进的直线段裁剪算法[J];湛江师范学院学报;2008年03期
5 张瑞子;南琳;胡琨元;田景贺;;基于EPC Class-1 Gen-2标准的防冲突算法与改进[J];计算机工程;2009年02期
6 黄超;周宁;倪佑生;;基于蚁群算法的攻击图分析[J];计算机工程;2009年18期
7 秦永彬;许道云;;警示传播算法的原理分析及算法改进[J];计算机工程与应用;2010年19期
8 郭毅可;韩锐;;云计算中的弹性算法:概要和展望[J];上海大学学报(自然科学版);2013年01期
9 牛玉静;唐棣;;双步圆的反走样生成算法[J];计算机工程与应用;2010年23期
10 肖璞;;XML索引更新算法的改进[J];南京工程学院学报(自然科学版);2010年03期
中国重要会议论文全文数据库 前10条
1 黄纪武;毛泽华;李松涛;张锦雄;;SPMD并行查找算法的MPI实现[A];广西计算机学会——2004年学术年会论文集[C];2004年
2 黄纪武;毛泽华;李松涛;张锦雄;;SPMD并行查找算法的MPI实现[A];广西计算机学会2004年学术年会论文集[C];2004年
3 符丽锦;覃华;邓海;孙欣;;一种改进的Apriori算法的研究[A];广西计算机学会2012年学术年会论文集[C];2012年
4 王东锋;王军民;陈英武;;模糊定性仿真理论研究与算法实现[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年
5 赵唯;;晶粒度评级的改进算法[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年
6 刘启文;;可扩展的图形学算法演示系统的研究[A];’2004计算机应用技术交流会议论文集[C];2004年
7 佘智;蒋泰;朱延生;;基于Type C协议的防冲突改进算法[A];广西计算机学会25周年纪念会暨2011年学术年会论文集[C];2011年
8 朱绍文;赵培;朱秋云;;基于pSPADE并行挖掘序列算法的研究[A];2003年中国智能自动化会议论文集(下册)[C];2003年
9 杨霞;;新的基于启发式蚁群算法的QoS路由算法[A];广西计算机学会2009年年会论文集[C];2009年
10 陈黎飞;姜青山;董槐林;;基于图形轮廓的快速聚类算法[A];第二十三届中国数据库学术会议论文集(研究报告篇)[C];2006年
中国硕士学位论文全文数据库 前10条
1 方昕;粒子群优化算法在路径规划中的应用[D];陕西师范大学;2010年
2 付希;基于蚁群算法的聚类分析在学生成绩评价中的应用研究[D];西南交通大学;2013年
3 尚海豹;基于类电磁机制的聚类算法研究[D];西安电子科技大学;2013年
4 米飞;L优先级布鲁姆过滤器算法的研究与应用[D];吉林大学;2010年
5 易生贺;结合蚁群算法的调和k均值聚类算法研究[D];东北师范大学;2010年
6 严菲;高效用项集挖掘算法的研究[D];湖南大学;2010年
7 宋倩;SDD-1算法的改进及其应用研究[D];西安电子科技大学;2010年
8 杨丹;人工蜂群算法的改进及应用研究[D];安徽大学;2014年
9 于妍;基于蚁群算法的高校就业管理系统的设计与实现[D];华北电力大学;2011年
10 金涛;PSO-SA算法的改进及其在关联规则挖掘中的应用研究[D];华中师范大学;2013年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026