發(fā)布時間：2020-08-25 07:50

【摘要】：人工蜂群(ABC)是一個有效且非常高效的基于群體啟發(fā)式算法,它是模擬蜜蜂集體覓食行為的一種智能優(yōu)化算法。ABC有易于實現(xiàn),魯棒性好等突出優(yōu)點。然而,在解決工程應(yīng)用問題中,由于ABC的可行解搜索方程在廣度搜索方面表現(xiàn)良好而在深度搜索方面表現(xiàn)較差,因而表現(xiàn)出較強的探索能力而缺乏良好的開發(fā)能力現(xiàn)象。此外,距離和適應(yīng)度值隱藏的潛在信息具有益處,通過其構(gòu)建一個更有效的鄰居結(jié)構(gòu)可以進一步提高ABC算法性能。因此,ABC還有發(fā)展和改進的空間。本文的研究內(nèi)容是深入分析人工蜂群算法的理論知識,針對存在的一些設(shè)計缺陷問題,提出相應(yīng)的改進方法以此增加ABC算法在求解全局優(yōu)化問題上的優(yōu)化能力。因此,我們提出兩種改進版本的人工蜂群算法,即MPGABC和DFnABC。1)我們將提出新的搜索策略和新概率模型與ABC基本框架結(jié)合起來形成一種新的ABC變體,稱為改進Gbest引導(dǎo)的人工蜂群算法與新概率模型(簡稱MPGABC)。具體而言,在新穎的搜索策略中,參數(shù)P用來控制被使用的搜索等式,也就是ABC原始搜索等式或新推薦的搜索等式。在新概率模型中,優(yōu)秀可行解的選擇概率要大于差的可行解,這就保證好的食物源能夠吸引更多的旁觀者蜂來搜索。通過在兩組測試函數(shù)和一組現(xiàn)實優(yōu)化問題上比較MPGABC和其他先進的ABC變體,實驗結(jié)果表明MPGABC優(yōu)于其它算法。2)我們基于距離適應(yīng)值的鄰居搜索機制提出新的ABC變體,稱為基于距離-適應(yīng)值鄰居搜索的人工蜂群算法及應(yīng)用(簡稱DFnABC)。具體而言,雇傭蜂通過利用具有高適應(yīng)值而且靠近自己位置的好的近鄰居信息,來專注于搜索自身周圍的局部。此外,隨著進化的演變,雇傭蜂可選擇的探索范圍逐漸減少,并且其搜索方向是由前Q個可行解中隨機選擇的一個領(lǐng)導(dǎo)者進行引導(dǎo)。另外,每個旁觀者蜂首先選擇一個高適應(yīng)值且距離當前最優(yōu)位置較遠的食物源位置,來尋求在搜索空間中更注重全局探索的目的。另外,所選擇的食物源位置的最佳鄰居的信息被用于生成候選可行解。通過在22個基準函數(shù)、CEC2013和現(xiàn)實生活優(yōu)化問題上進行的仿真實驗,結(jié)果表明DFnABC優(yōu)于其他競爭對手。
【學(xué)位授予單位】：深圳大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP18;O224
【圖文】：

人工蜂群算法對解決全局優(yōu)化問題的改進研究并通過公式 2.1 在搜索空間中隨機產(chǎn)生新的食物然后，該偵察蜂重新變回雇傭蜂�；蚺杂^者蜂階段中，如果蜜蜂根據(jù)公式 2.3 在食j維度違反了邊界約束(minjx 和maxjx )時，該維度i ,jv 步驟流程解的過程包含四個階段，在初始化階段之后，ABC者蜂階段與偵察蜂階段，直到滿足終止條件為止流程：具體步驟如下所示：

maxmax 1 , 22SN gQg (4. x 表示大于 x 的最小整數(shù)。直觀上，Q 是隨進化演變而逐漸減少。在前期中，Q 被為一個較大值（如 g=0，Q=SN/2）, 意味著大部分ix 被視為領(lǐng)導(dǎo)者gpbestx ，為子代提供不同的方向。而在后期，Q 被設(shè)置成一個小值（如 g=gmax，Q= 2），這樣只少數(shù)較高適應(yīng)值的ix 成為領(lǐng)導(dǎo)者gpbestx ，表明僅有希望的幾個搜索方向被提供�？偠灾�，在 Employed bee 階段，我們提出一個新搜索機制（公式 4.1）。其包三個操作要分別解決三個核心問題：1）如何選擇最優(yōu)近鄰gkx ；2）如何為雇傭蜂探索范圍 ；3）如何確定引導(dǎo)者gpbestx 。為更清晰地觀察，公式 2.3 生成新解過程為與公式 4.1 產(chǎn)生后代的行為變化在圖 4-3 中顯示。圖 4-3 中，紅點和藍框分別表局最優(yōu)位置和第 i 雇傭蜂當前位置。從圖 4-3(a)看，原始 ABC 僅圍繞在當前位置域進行搜索，其搜索方向和步長是由隨機選擇rx 決定。而圖 4-3(b)中，新搜索機的雇傭蜂是圍繞在最優(yōu)近鄰kx 周圍搜索，它的移動方向和步長分別由gpbestx 和 確定

【參考文獻】

相關(guān)期刊論文 前5條

1 毛藝帆;張多林;;改進的人工蜂群算法求解武器目標分配問題[J];軍事運籌與系統(tǒng)工程;2015年01期

2 宋紫淳;郭tqyN;張佩;;動態(tài)規(guī)劃-禁忌搜索算法在水庫群調(diào)度中的應(yīng)用[J];科技視界;2014年34期

3 任志明;姜冬菊;李磊;丁偵原;;MA對偶-信賴域算法在非線性不等式約束優(yōu)化問題中的應(yīng)用研究[J];應(yīng)用力學(xué)學(xué)報;2014年05期

4 梁海軍;;人工蜂群優(yōu)化支持向量機算法在網(wǎng)絡(luò)安全中的應(yīng)用[J];微電子學(xué)與計算機;2013年02期

5 林嘉宇,劉熒;RBF神經(jīng)網(wǎng)絡(luò)的梯度下降訓(xùn)練方法中的學(xué)習步長優(yōu)化[J];信號處理;2002年01期

相關(guān)博士學(xué)位論文 前1條

1 劉陶文;BFGS方法及其在求解約束優(yōu)化問題中的應(yīng)用[D];湖南大學(xué);2006年

相關(guān)碩士學(xué)位論文 前2條

1 孫晴晴;基于人工蜂群算法的機器人路徑規(guī)劃[D];南京師范大學(xué);2015年

2 張英偉;基于人工蜂群算法的城市物流配送服務(wù)車輛調(diào)度問題研究[D];哈爾濱工業(yè)大學(xué);2014年

本文編號：2803452