遗传算法与蜂群算法实现效果对比

遗传算法与蜂群算法实现效果对比

Marshal Zheng 2019-05-03

实现环境

win10，matlab R2016b，python3，pycharm

实现代码

项目相关，暂不贴，应用的遗传算法和蜂群算法的基本框架。参考前面几篇文章。

实现比较

遗传算法

​ 种群大小为50，编码长度为4bit，迭代次数为50次，交叉概率为0.9，变异概率为0.09，对某一信号处理问题的求解结果如下：

目标函数最优函数值：
    0.3516

最优解（CQI-SNR-BER表索引）：
     6

所用时间：
    0.4531

其中，所用时间是在matlab R2016b上运行本遗传算法程序的时间。

蜂群算法

​ 蜜源数量为50，跟随蜂数量为50，最大迭代次数为50次（基本和遗传算法保持相似），对同一信号处理问题的求解结果如下：

目标函数最优函数值： [ 0.35156227]
最优解（CQI-SNR-BER表索引）： [ 6.]
程序运行时间： 0.2240407245147516

其中，所用时间是在pycharm 基于python3 运行本蜂群算法程序的时间。

小想法

​ 以上实现，在参数，比如迭代次数，蜜源–种群数量等差不多的情况下，蜂群算法的运行时间要小一些，但是这个也只能作为一个小小的参考，毕竟语言和运行软件也都不一样。

​ 不过就写程序的过程中，对程序的理解来看，好像蜂群算法要快一点点，理论上蜂群算法有更快的收敛速度。虽然两个算法中间过程有不同的处理方式（生物遗传变异，生物寻找食物），但是两个的想法真的差别不大呀~~~所以运行的复杂度相差不大也是正常的。