發(fā)布時間：2021-03-13 09:12

　　人工蜂群算法已經(jīng)被廣泛應用于工程領(lǐng)域,然而傳統(tǒng)人工蜂群算法在處理復雜問題時,具有搜索精度低的缺點。本文旨在建立一種在搜索后期增強收縮功能的收縮人工蜂群算法,在最優(yōu)方案可能存在的區(qū)域利用收縮策略加以局部快速搜索,即小區(qū)域縱深挖掘,從而克服人工蜂群算法的缺點,提高優(yōu)化算法的尋優(yōu)能力。采用收縮人工蜂群算法對Ackley測試函數(shù)開展的數(shù)值實驗表明,收縮人工蜂群算法的搜索性能優(yōu)于引入免疫選擇和跟蹤搜索的人工蜂群算法（IABC）、標準人工蜂群算法（ABC）、全局最優(yōu)解引導的人工蜂群算法（GABC）、基于排序選擇的人工蜂群算法（RABC）及基于錦標賽選擇的人工蜂群算法（TABC）,有助于解決核動力軸封式主循環(huán)泵以減輕重量為優(yōu)化目標的實例優(yōu)化問題。將收縮人工蜂群算法應用于核電軸封式主循環(huán)泵的優(yōu)化設(shè)計中,基于軸封式主循環(huán)泵的尺寸、重量估算模型,結(jié)合收縮人工蜂群算法,實現(xiàn)對軸封式主循環(huán)泵設(shè)計變量的實例優(yōu)化計算。優(yōu)化效果比較顯著,優(yōu)化方案及分析可為軸封式主循環(huán)泵設(shè)計方案選取提供參考。 

【文章來源】：核科學與工程. 2020,40(03)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

CABC邏輯框圖

CABC、IABC、ABC、GABC、RABC和TABC算法對Ackley函數(shù)的收斂曲線

【參考文獻】：
期刊論文
[1]引入跟蹤搜索和免疫選擇的人工蜂群算法[J]. 付麗,羅鈞.  模式識別與人工智能. 2013(07)
[2]第4代核能系統(tǒng)研發(fā)介紹[J]. 楊孟嘉,任俊生,周志偉.  國際電力. 2004(05)



本文編號：3079949