具有多种搜索策略的人工蜂群算法(MuABC)
摘要:考虑到人工蜂群算法(ABC)的解的搜索方程在探索方面做得好,但在开发方面比较差,因此会导致收敛慢.这篇文章研究了ABC的性能能否通过组合具有不同优势的搜索策略得到改善。基于以上想法,我们提出了一个多种策略的新ABC算法—MuABC.算法MuABC使用了三种搜索策略组成一个策略候选池。为了进一步提高算法的性能,用一个自适应的选择机制来选择合适的搜索策略来产生基于先前搜索历史的候选解。另外,产生一个高斯分布的候选解来开发搜索能力。
1.介绍(与摘要类似,略)
2.原始的ABC
在ABC中包括3中不同的蜜蜂:雇佣蜂,观察蜂和侦查蜂(童子军)。图1是ABC的框架。
补充知识:雇用蜂(采蜜蜂)发现新的个体(相当于DE中的替换和选择);观察蜂根据雇用蜂发现的新个体产生新的个体(相当于DE中的变异);侦察蜂,当个体未发生更新时,替换未更新的个体(相当于局部停滞监督机制,可防止陷入局部最优).
ABC伪代码:
1.初始化:
2.随机初始化N个点的种群
3.评价种群中每个个体的目标函数值
4.FES = N
5.雇佣蜂阶段:
6.for i=1:N
7.用公式(2.3)产生一个候选解
8.评价新产生的候选解vi,FES = FES+1
9.if f(vi)<f(xi) xi = vi trial = 1;else trail = trail +1;
10.用公式(2.4&