目录
1 蜜蜂优化算法
蜜蜂算法( Bees Algorithm,BA) 由英国学者 AfshinGhanbarzadeh 和他的研究小组于 2005 年提出。该算法是一种有别于蚁群算法及粒子群算法的全新的群智能优化算法,它通过模拟蜜蜂群体的觅食行为来搜索数学问题的最优解。
在国外,蜜蜂算法目前已广泛应用到包括数据聚类分析、电子设计、函数优化、机械设计、机器人控制、神经网络训练等在内的连续优化问题中,以及包括集装箱装载、特征提取、作业调度、TSP等在内的组合优化问题中。大量研究成果表明,邻域搜索和随机搜索相结合的蜜蜂算法能够很好地解决各类大型组合优化问题与函数优化问题。然而,国内尚没有专门针对蜜蜂算法展开的理论研究和应用研究,仅有部分学者采用蜂群觅食机制的原理来改进遗传算法,称为蜂群遗传算法[1],或蜜蜂进化型遗传算法[2-4]。这些算法在基因进化的过程中增加了模拟蜜蜂觅食机理的步骤,使得遗传算法的全局搜索能力和收敛速度均有所提高,取得了良好的应用效果。
1.1 蜜蜂觅食机制
蜂群能够在大范围地理区域内的不同方向上同时寻找到大量花蜜或花粉。并且,花蜜或花粉质量较好、数量较多、距离较近的食源会吸引大量蜜蜂,而花蜜或花粉质量较差、数量较少、距离较远的食源则只能吸引少量蜜蜂。首先,蜂群会派出一群侦察蜂各自飞到不同的地点,并且在该地点附近随机地搜索花蜜或花粉。各侦察蜂找到食源之后飞回蜂房,并以“圆舞”或“8 字舞” 的舞蹈方式将食源的信息告知其它工蜂。食源的信息主要包