針對人工蜂群算法在更新策略中精度與穩(wěn)定性不高的問題,提出一種改進(jìn)的人工蜂群算法。該改進(jìn)的人工蜂群算法通過增加每次更新維度的個數(shù)來改善算法的精度,在文中所選擇的每次更新維度的個數(shù)為可行解維數(shù)的1/2;同時,該算法選擇當(dāng)前適應(yīng)值最優(yōu)的蜂蜜源在其周圍進(jìn)行鄰域搜索,避免了由于隨機(jī)性而帶來的算法精度降低問題。最后,比較改進(jìn)的人工蜂群算法與經(jīng)典的粒子群算法,通過多個高維測試函數(shù)的仿真實(shí)驗(yàn)表明,改進(jìn)的人工蜂群算法比粒子群算法具有更高的精度和穩(wěn)定性,展現(xiàn)了更好的性能。 

【文章來源】：現(xiàn)代電子技術(shù). 2020,43(12)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

ABC流程圖

為了測試改進(jìn)ABC算法的求解精度與收斂速度[20-21]，采用5個標(biāo)準(zhǔn)測試函數(shù)：Sphere函數(shù)、Rosenbrock函數(shù)、Rastrigin函數(shù)、Griewank函數(shù)和Ackley函數(shù)，并與粒子群算法（PSO）進(jìn)行了比較。3.1.1 Sphere函數(shù)

5個測試函數(shù)的仿真曲線如圖4～圖8所示。根據(jù)圖4～圖8運(yùn)行結(jié)果可知，對于Sphere函數(shù)，改進(jìn)的ABC算法在大約第250次循環(huán)時達(dá)到1,PSO算法在大約第100次循環(huán)時穩(wěn)定到1.5；對于Rosenbrock函數(shù)，改進(jìn)的ABC算法在大約第500次循環(huán)時穩(wěn)定在160,PSO算法在大約第100次循環(huán)時穩(wěn)定到200；對于Rastrigin函數(shù)，改進(jìn)的ABC算法在大約第500次循環(huán)時達(dá)到80,PSO算法在大約第100次循環(huán)時穩(wěn)定到200；對于Griewank函數(shù)，改進(jìn)的ABC算法在大約第500次循環(huán)時達(dá)到0.01,PSO算法在大約第100次循環(huán)時穩(wěn)定到0.025；對于Ackley函數(shù)，改進(jìn)的ABC算法在大約第400次循環(huán)時達(dá)到0.5,PSO算法在大約第50次循環(huán)時穩(wěn)定到2。由此可見，改進(jìn)的ABC算法較PSO算法展示了更好的求解精度與穩(wěn)定性，但在收斂效果方面略有不足，這也是以后有待于改進(jìn)的地方。圖5 Rosenbrock函數(shù)收斂曲線

【參考文獻(xiàn)】：
期刊論文
[1]基于深度信念網(wǎng)絡(luò)的K-means聚類算法研究[J]. 楊慧婷,楊文忠,殷亞博,許超英.  現(xiàn)代電子技術(shù). 2019(08)
[2]On Multicast Routing With Network Coding: A Multiobjective Artificial Bee Colony Algorithm[J]. Huanlai Xing,Fuhong Song,Lianshan Yan,Wei Pan.  中國通信. 2019(02)
[3]增強(qiáng)開發(fā)能力的改進(jìn)人工蜂群算法[J]. 張志強(qiáng),魯曉鋒,孫欽東,王侃.  計算機(jī)應(yīng)用. 2019(04)
[4]一種基于混沌搜索改進(jìn)的人工蜂群算法[J]. 田屏.  西南師范大學(xué)學(xué)報(自然科學(xué)版). 2018(07)
[5]一種改進(jìn)的人工蜂群算法——粒子蜂群算法[J]. 王繼超,李擎,崔家瑞,左文香,趙越飛.  工程科學(xué)學(xué)報. 2018(07)
[6]改進(jìn)人工蜂群算法的無線傳感器網(wǎng)絡(luò)覆蓋優(yōu)化[J]. 李華,盧靜.  現(xiàn)代電子技術(shù). 2018(03)
[7]一種增強(qiáng)局部搜索能力的改進(jìn)人工蜂群算法[J]. 劉曉芳,柳培忠,駱炎民,范宇凌.  智能系統(tǒng)學(xué)報. 2017(05)
[8]一種人工蜂群算法改進(jìn)方案[J]. 梁靜,葛宇,冉曉娟,李琦.  計算機(jī)應(yīng)用研究. 2015(11)
[9]一種帶規(guī)范知識引導(dǎo)的改進(jìn)人工蜂群算法[J]. 林小軍,葉東毅.  模式識別與人工智能. 2013(03)



本文編號：2979103