人工蜂群算法（ABC）算法笔记丨matlab实现

来源： Karaboga D , Gorkemli B , Ozturk C , et al. A comprehensive survey: artificial bee colony (ABC) algorithm and applications[J]. Artificial Intelligence Review, 2014, 42(1):21-57.
ABC代码讲解：https://www.bilibili.com/video/BV15t4y1B7Hs/
评论区有代码分享
一、前言
人工蜂群（ABC）算法是一种比较新的群智能算法，它在21世纪初才被提出。该算法模拟了蜜蜂采蜜的生物行为，具有角色转换的特点，可以实现雇佣蜂，观察蜂和侦查蜂三种蜂型之间的互相转换。雇佣蜂的作用是保存优良信息，跟随蜂提高了算法的收敛能力，侦查蜂则是用于跳出局部最优。三种蜜蜂相辅相成，动态转换角色，使得算法性能优于其他基础算法。

二、算法流程

1. 在一个n维空间，种群规模为NP，即雇佣蜂的个数，雇佣蜂（蜜源）的位置Xi = {x1, …, xNP}，那么其目标函数值指定为Fit ={fit1, …, fitNP},初始化后进入雇佣蜂阶段：
   

其中，φ是扰动因子，通常设置区间[-1,1]，i ≠j，在种群NP中寻找一个不等于i的蜜源。更新蜜源并求解目标函数值，将使用贪婪选择方法将Xi替换或保留。选择结束后，对每个蜜源的目标函数值求解并更新其跟随度：


得到跟随概率（选择概率）pi， 采用轮盘赌的选择方式来选择新的蜜源进行更新。
2. 观察蜂阶段。根据定义的观察蜂数量，以同样的方式更新观察蜂：

   %% 观察蜂阶段
    for i=1:gc_size
        r=rand;   % 采用轮盘赌随机选择一个蜜源,对该蜜源进行更新
        j=find(r<=P,1,'first');
        k=randi(gy_size,1); %选择一个除个体i的其它一个个体
        while k==j
            k=randi(gy_size,1);
        end
        fai=rand*2-1;  %加速系数,取值范围[-1,1]
        new_pop=pops(j,:)+fai.*(pops(j,:)-pops(k,:)); %更新雇佣蜂的位置
        
        % 边界处理
        new_pop = min(pop_max,new_pop);
        new_pop = max(pop_min,new_pop);
        
        new_cost=fun(new_pop,fun_num);            %更新相应的函数值
        if new_cost<cost(j)      %贪婪方式存储最佳蜜源，若没更新，则记录
            pops(j,:)=new_pop;
            cost(i)=new_cost;
        else
            L(i)=L(i)+1;      %记录此蜜源的更新停滞次数
        end
    end
    

3. 侦查蜂阶段。如果一个蜜源达到限定迭代次数limit后，仍没有进行更新，则进入侦查蜂阶段：重新被初始化然后进行探索更新。

三、流程图