基于猫群思想的混合人工蜂群算法

发布时间：2025-05-28 03:31

　　 为了缓解基本人工蜂群算法后期种群多样性下降,易陷入局部最优,开采能力较差等问题,提出一种基于猫群思想的混合人工蜂群算法。提出基于随机新解引导的自适应搜索策略,结合多次高斯搜索机制,对雇佣蜂阶段进行优化;引入基于猫群思想的搜索过程,结合顺序模式分配方式,对较优解执行搜寻模式,对较差解执行优化后的跟踪模式;优化后的跟踪模式采用"位移"模型对解进行更新。对标准测试函数寻优,结果表明混合人工蜂群算法收敛精度更高,所需的迭代次数更少。得出结论:基于随机新解引导的自适应搜索策略能有效缓解算法易陷入局部最优的问题,基于猫群思想的搜索过程能有效提高算法的局部开采能力和全局搜索能力,混合人工蜂群算法具有更优秀的收敛性能。

【文章页数】：7 页

【部分图文】：

图1改进雇佣蜂阶段流程

最优之间的平衡。综上，改进雇佣蜂阶段流程如图1所示。图1改进雇佣蜂阶段流程1．3基于猫群思想的搜索过程由于ABC算法原始搜索策略随机选择邻居食物源和步长进行搜索，具有较好的探索能力。虽然算法早期需要较强的探索能力来搜索尽可能多的最优解，但若能同时配合较强的开采能力，则能有效加快算....

图2混合人工蜂群算法流程

程，采用顺序模式分配方式，对较优解执行搜寻模式，对较差解执行优化后的跟踪模式;在搜索过程结束后进入侦查蜂阶段，完成接下来的寻优任务，得到混合人工蜂群算法(hybridABC，HABC)。算法流程如图2所示。图2混合人工蜂群算法流程2实验验证2．1参数设置与测试函数为验证文中改进策....

图3各算法收敛过程对比

多模函数上收敛精度都得到不同程度的提升，表明优化后的跟踪模式不仅简化了算法，而且具有更强的搜索能力。HABC算法在MABC算法的基础上，增加了基于猫群思想的搜索过程，由表2可知，对于单模函数，HABC算法能唯一收敛到理论最优解，表明了基于猫群思想的搜索过程能有效提高算法局部搜索能....

本文编号：4048008