人工蜂群算法

最新推荐文章于 2023-05-04 21:20:22 发布
最新推荐文章于 2023-05-04 21:20:22 发布
阅读量1.8w 收藏 32
点赞数 2

一、人工蜂群算法的介绍

    人工蜂群算法(Artificial Bee Colony, ABC)是由Karaboga于2005年提出的一种新颖的基于群智能的全局优化算法，其直观背景来源于蜂群的采蜜行为，蜜蜂根据各自的分工进行不同的活动，并实现蜂群信息的共享和交流，从而找到问题的最优解。人工蜂群算法属于群智能算法的一种。

二、人工蜂群算法的原理

    1、原理

        标准的ABC算法通过模拟实际蜜蜂的采蜜机制将人工蜂群分为3类: 采蜜蜂、观察蜂和侦察蜂。整个蜂群的目标是寻找花蜜量最大的蜜源。在标准的ABC算法中，采蜜蜂利用先前的蜜源信息寻找新的蜜源并与观察蜂分享蜜源信息；观察蜂在蜂房中等待并依据采蜜蜂分享的信息寻找新的蜜源；侦查蜂的任务是寻找一个新的有价值的蜜源，它们在蜂房附近随机地寻找蜜源。


  2、流程
  • 初始化；
  • 重复以下过程：
    • 将采蜜蜂与蜜源一一对应，根据上面第一个公式更新蜜源信息，同时确定蜜源的花蜜量；
    • 观察蜂根据采蜜蜂所提供的信息采用一定的选择策略选择蜜源，根据第一个公式更新蜜源信息，同时确定蜜源的花蜜量；
    • 确定侦查蜂，并根据第三个公式寻找新的蜜源；
    • 记忆迄今为止最好的蜜源；
  • 判断终止条件是否成立；

三、人工蜂群算法用于求解函数优化问题

 对于函数

其中

代码：

#include<iostream>
#include<time.h>
#include<stdlib.h>
#include<cmath>
#include<fstream>
#include<iomanip>
using namespace std;

const int NP=40;//种群的规模，采蜜蜂+观察蜂
const int FoodNumber=NP/2;//食物的数量，为采蜜蜂的数量
const int limit=20;//限度，超过这个限度没有更新采蜜蜂变成侦查蜂
const int maxCycle=10000;//停止条件

/*****函数的特定参数*****/
const int D=2;//函数的参数个数
const double lb=-100;//函数的下界 
const double ub=100;//函数的上界

double result[maxCycle]={0};

/*****种群的定义****/
struct BeeGroup
{
	double code[D];//函数的维数
	double trueFit;//记录真实的最小值
	double fitness;
	double rfitness;//相对适应值比例
	int trail;//表示实验的次数，用于与limit作比较
}Bee[FoodNumber];

BeeGroup NectarSource[FoodNumber];//蜜源，注意：一切的修改都是针对蜜源而言的
BeeGroup EmployedBee[FoodNumber];//采蜜蜂
BeeGroup OnLooker[FoodNumber];//观察蜂
BeeGroup BestSource;//记录最好蜜源

/*****函数的声明*****/
double random(double, double);//产生区间上的随机数
void initilize();//初始化参数
double calculationTruefit(BeeGroup);//计算真实的函数值
double calculationFitness(double);//计算适应值
void CalculateProbabilities();//计算轮盘赌的概率
void evalueSource();//评价蜜源
void sendEmployedBees();
void sendOnlookerBees();
void sendScoutBees();
void MemorizeBestSource();


/*******主函数*******/
int main()
{
	ofstream output;
	output.open("dataABC.txt");

	srand((unsigned)time(NULL));
	initilize();//初始化
	MemorizeBestSource();//保存最好的蜜源
		
	//主要的循环
	int gen=0;
	while(gen<maxCycle)
	{
		sendEmployedBees();
			
		CalculateProbabilities();
			
		sendOnlookerBees();
			
		MemorizeBestSource();
			
		sendScoutBees();
			
		MemorizeBestSource();

		output<<setprecision(30)<<BestSource.trueFit<<endl;
			
		gen++;
	}
	
	output.close();
	cout<<"运行结束!!"<<endl;
	return 0;
}

/*****函数的实现****/
double random(double start, double end)//随机产生区间内的随机数
{	
	return start+(end-start)*rand()/(RAND_MAX + 1.0);
}

void initilize()//初始化参数
{
	int i,j;
	for (i=0;i<FoodNumber;i++)
	{
		for (j=0;j<D;j++)
		{
			NectarSource[i].code[j]=random(lb,ub);
			EmployedBee[i].code[j]=NectarSource[i].code[j];
			OnLooker[i].code[j]=NectarSource[i].code[j];
			BestSource.code[j]=NectarSource[0].code[j];
		}
		/****蜜源的初始化*****/
		NectarSource[i].trueFit=calculationTruefit(NectarSource[i]);
		NectarSource[i].fitness=calculationFitness(NectarSource[i].trueFit);
		NectarSource[i].rfitness=0;
		NectarSource[i].trail=0;
		/****采蜜蜂的初始化*****/
		EmployedBee[i].trueFit=NectarSource[i].trueFit;
		EmployedBee[i].fitness=NectarSource[i].fitness;
		EmployedBee[i].rfitness=NectarSource[i].rfitness;
		EmployedBee[i].trail=NectarSource[i].trail;
		/****观察蜂的初始化****/
		OnLooker[i].trueFit=NectarSource[i].trueFit;
		OnLooker[i].fitness=NectarSource[i].fitness;
		OnLooker[i].rfitness=NectarSource[i].rfitness;
		OnLooker[i].trail=NectarSource[i].trail;
	}
	/*****最优蜜源的初始化*****/
	BestSource.trueFit=NectarSource[0].trueFit;
	BestSource.fitness=NectarSource[0].fitness;
	BestSource.rfitness=NectarSource[0].rfitness;
	BestSource.trail=NectarSource[0].trail;
}

double calculationTruefit(BeeGroup bee)//计算真实的函数值
{
	double truefit=0;
	/******测试函数1******/
	truefit=0.5+(sin(sqrt(bee.code[0]*bee.code[0]+bee.code[1]*bee.code[1]))*sin(sqrt(bee.code[0]*bee.code[0]+bee.code[1]*bee.code[1]))-0.5)
		/((1+0.001*(bee.code[0]*bee.code[0]+bee.code[1]*bee.code[1]))*(1+0.001*(bee.code[0]*bee.code[0]+bee.code[1]*bee.code[1])));

	return truefit;
}

double calculationFitness(double truefit)//计算适应值
{
	double fitnessResult=0;
	if (truefit>=0)
	{
		fitnessResult=1/(truefit+1);
	}else
	{
		fitnessResult=1+abs(truefit);
	}
	return fitnessResult;
}

void sendEmployedBees()//修改采蜜蜂的函数
{
	int i,j,k;
	int param2change;//需要改变的维数
	double Rij;//[-1,1]之间的随机数
	for (i=0;i<FoodNumber;i++)
	{
		
		param2change=(int)random(0,D);//随机选取需要改变的维数

		/******选取不等于i的k********/
		while (1)
		{
			k=(int)random(0,FoodNumber);
			if (k!=i)
			{
				break;
			}
		}

		for (j=0;j<D;j++)
		{
			EmployedBee[i].code[j]=NectarSource[i].code[j];
		}

		/*******采蜜蜂去更新信息*******/
		Rij=random(-1,1);
		EmployedBee[i].code[param2change]=NectarSource[i].code[param2change]+Rij*(NectarSource[i].code[param2change]-NectarSource[k].code[param2change]);
		/*******判断是否越界********/
		if (EmployedBee[i].code[param2change]>ub)
		{
			EmployedBee[i].code[param2change]=ub;
		}
		if (EmployedBee[i].code[param2change]<lb)
		{
			EmployedBee[i].code[param2change]=lb;
		}
		EmployedBee[i].trueFit=calculationTruefit(EmployedBee[i]);
		EmployedBee[i].fitness=calculationFitness(EmployedBee[i].trueFit);

		/******贪婪选择策略*******/
 		if (EmployedBee[i].trueFit<NectarSource[i].trueFit)
 		{
 			for (j=0;j<D;j++)
 			{
 				NectarSource[i].code[j]=EmployedBee[i].code[j];
 			}
			NectarSource[i].trail=0;
			NectarSource[i].trueFit=EmployedBee[i].trueFit;
			NectarSource[i].fitness=EmployedBee[i].fitness;
 		}else
		{
			NectarSource[i].trail++;
		}
	}
}

void CalculateProbabilities()//计算轮盘赌的选择概率
{
	int i;
	double maxfit;
	maxfit=NectarSource[0].fitness;
	for (i=1;i<FoodNumber;i++)
	{
		if (NectarSource[i].fitness>maxfit)
			maxfit=NectarSource[i].fitness;
	}
	
	for (i=0;i<FoodNumber;i++)
	{
		NectarSource[i].rfitness=(0.9*(NectarSource[i].fitness/maxfit))+0.1;
    }
}

void sendOnlookerBees()//采蜜蜂与观察蜂交流信息，观察蜂更改信息
{
	int i,j,t,k;
	double R_choosed;//被选中的概率
	int param2change;//需要被改变的维数
	double Rij;//[-1,1]之间的随机数
	i=0;
	t=0;
	while(t<FoodNumber)
	{
		
        R_choosed=random(0,1);
        if(R_choosed<NectarSource[i].rfitness)//根据被选择的概率选择
        {        
			t++;
			param2change=(int)random(0,D);
			
			/******选取不等于i的k********/
			while (1)
			{
				k=(int)random(0,FoodNumber);
				if (k!=i)
				{
					break;
				}
			}

			for(j=0;j<D;j++)
			{
				OnLooker[i].code[j]=NectarSource[i].code[j];
			}
			
			/****更新******/
			Rij=random(-1,1);
			OnLooker[i].code[param2change]=NectarSource[i].code[param2change]+Rij*(NectarSource[i].code[param2change]-NectarSource[k].code[param2change]);
			
			/*******判断是否越界*******/
			if (OnLooker[i].code[param2change]<lb)
			{
				OnLooker[i].code[param2change]=lb;
			}
			if (OnLooker[i].code[param2change]>ub)
			{	
				OnLooker[i].code[param2change]=ub;
			}
			OnLooker[i].trueFit=calculationTruefit(OnLooker[i]);
			OnLooker[i].fitness=calculationFitness(OnLooker[i].trueFit);
			
			/****贪婪选择策略******/
			if (OnLooker[i].trueFit<NectarSource[i].trueFit)
			{
				for (j=0;j<D;j++)
				{
					NectarSource[i].code[j]=OnLooker[i].code[j];
				}
				NectarSource[i].trail=0;
				NectarSource[i].trueFit=OnLooker[i].trueFit;
				NectarSource[i].fitness=OnLooker[i].fitness;
			}else
			{
				NectarSource[i].trail++;
			}
        } 
        i++;
        if (i==FoodNumber)
		{
			i=0;
		}
	}
}


/*******只有一只侦查蜂**********/
void sendScoutBees()//判断是否有侦查蜂的出现，有则重新生成蜜源
{
	int maxtrialindex,i,j;
	double R;//[0,1]之间的随机数
	maxtrialindex=0;
	for (i=1;i<FoodNumber;i++)
	{
		if (NectarSource[i].trail>NectarSource[maxtrialindex].trail)
		{
			maxtrialindex=i;
		}
	}
	if(NectarSource[maxtrialindex].trail>=limit)
	{
		/*******重新初始化*********/
		for (j=0;j<D;j++)
		{
			R=random(0,1);
			NectarSource[maxtrialindex].code[j]=lb+R*(ub-lb);
		}
		NectarSource[maxtrialindex].trail=0;
		NectarSource[maxtrialindex].trueFit=calculationTruefit(NectarSource[maxtrialindex]);
		NectarSource[maxtrialindex].fitness=calculationFitness(NectarSource[maxtrialindex].trueFit);
	}
}

void MemorizeBestSource()//保存最优的蜜源
{
	int i,j;
	for (i=1;i<FoodNumber;i++)
	{
		if (NectarSource[i].trueFit<BestSource.trueFit)
		{
			for (j=0;j<D;j++)
			{
				BestSource.code[j]=NectarSource[i].code[j];
			}
			BestSource.trueFit=NectarSource[i].trueFit;
		}
	}
}

yifangyfyfyf
关注
优化算法——人工蜂群算法(ABC)
null的专栏
05-18 8万+
一、人工蜂群算法的介绍 人工蜂群算法(Artificial Bee Colony, ABC)是由Karaboga于2005年提出的一种新颖的基于群智能的全局优化算法，其直观背景来源于蜂群的采蜜行为，蜜蜂根据各自的分工进行不同的活动，并实现蜂群信息的共享和交流，从而找到问题的最优解。人工蜂群算法属于群智能算法的一种。二、人工蜂群算法的原理 1、原理 标准的ABC算法通过模拟
MATLAB 中的人工蜂群算法介绍及案例
最新发布
qq_57128262的博客
10-09 378
人工蜂群算法（Artificial Bee Colony Algorithm，ABC）是一种基于蜜蜂采蜜行为的群智能优化算法。该算法模拟了蜜蜂的智能觅食行为，通过蜜蜂之间的信息交流和协作，实现对优化问题的求解。人工蜂群算法主要由三种类型的蜜蜂组成：雇佣蜂、观察蜂和侦察蜂。雇佣蜂负责在其记忆中的食物源附近进行局部搜索，并与观察蜂分享食物源信息。观察蜂根据雇佣蜂分享的信息，选择较好的食物源进行进一步的搜索。如果某个食物源经过多次搜索后仍没有得到改善，对应的雇佣蜂将转变为侦察蜂，随机搜索新的食物源。
人工蜂群算法（Artificial Bee Colony，ABC）
m0_64357419的博客
05-04 4742
在迭代优化过程中，我们首先进行引领蜂阶段，每个引领蜂选择一个不等于自己的随机数，计算新解并更新最优解，然后选择更优的解作为新位置。在算法实现中，我们首先定义了搜索空间的维度 `n_dim`，以及搜索空间的范围 `limit` 和解空间每个维度的步长 `patch_size`，然后初始化了蜜蜂群的各个成员，包括引领蜂、跟随蜂和侦察蜂。引领蜂和跟随蜂的角色类似，都是根据当前的最优解寻找新的解，不同之处在于跟随蜂是基于引领蜂的位置进行搜索，而引领蜂则是在当前的最优解附近进行搜索。
人工蜂群算法详解（附代码下载）
春有百花秋有月，夏有凉风冬有雪！
09-15 7956
一个由蜂群行为启发的算法!本文主要内容：什么是人工蜂群算法？蜜蜂的采蜜机制蜂群算法的原理及流程小结1. 什么是人工蜂群算法？人工蜂群算法是模仿蜜蜂行为提出的一种优化方法，是集群智能思想的...
人工蜂群算法（Artificial Bee Colony Algorithm,ABC）
m0_73970831的博客
10-16 8399
人工蜂群算法是模仿蜜蜂行为提出的一种优化方法，是集群智能思想的一个具体应用，它的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，有着较快的收敛速度。
人工蜂群算法的研究与应用_人工蜂群matlab_人工蜂群_人工蜂群算法_人工蜂群算法论文介绍_matlab_
09-30
人工蜂群算法是一种基于生物智能优化的算法，源自自然界中蜜蜂寻找蜜源的行为。这个算法在解决复杂的全局优化问题上表现出色，因为它模仿了蜜蜂群体寻找最佳食物源的过程。在这个过程中，工蜂、侦查蜂和蜂后等角色...
ABC2_MATLAB_人工蜂群_人工蜂群算法_蜂群路径规划
09-11
【人工蜂群算法详解】 人工蜂群（Artificial Bee Colony, ABC）算法是一种模拟自然界蜜蜂采蜜行为的优化算法，由Karaboga在2005年首次提出。该算法灵感来源于蜜蜂群体寻找最佳花源的过程，通过模拟工蜂、侦查蜂和...
python实现人工蜂群算法
09-24
人工蜂群算法（Artificial Bee Colony，简称ABC）是一种模拟蜜蜂觅食行为的启发式算法，由Karaboga在2005年提出。该算法通过模拟蜜蜂群体中的侦查蜂、采蜜蜂和跟随蜂的搜索食物行为，用于解决优化问题。ABC算法具有...
人工蜂群算法_人工蜂群算法_
10-03
人工蜂群算法在matlab上的实现，是一个由蜂群行为启发的算法，在2005年由Karaboga小组为优化代数问题而提出。
人工蜂群算法（matlab）
12-28
基于人工蜂群算法的matlab包，可设置初始参数，可图像化呈现
人工蜂群算法原理及其matlab实现
06-11
人工蜂群算法原理及其matlab实现，4个文件
MATLAB编程-群智能优化算法应用-人工蜂群算法实现PID参数整定
01-17
人工蜂群算法（Artificial Bee Colony, ABC）作为一种群智能优化算法，近年来在寻找PID控制器最优参数方面展现出强大的潜力。 人工蜂群算法是由Karaboga于2005年提出的，灵感来源于蜜蜂群体采蜜的行为。ABC算法模拟...
人工蜂群算法优化的Tor流量在线识别技术
资源摘要信息:"基于人工蜂群算法的Tor流量在线识别方法_梁晓萌_人工蜂群算法" 一、人工蜂群算法概述 人工蜂群算法（Artificial Bee Colony, ABC算法）是由土耳其学者Karaboga在2005年提出的一种模拟自然界蜜蜂觅食...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值