自人工蜂群算法（ABC）提出以來,因其算法簡單、控制參數(shù)少、全局收斂能力強、便于實現(xiàn)等優(yōu)點得到了廣泛的關注。然而,ABC算法仍然存在收斂精度低、收斂速度慢等不足之處。針對此問題,受到生物個體鄰域規(guī)則的啟發(fā),提出一種基于生物鄰域最優(yōu)個體的人工蜂群算法（NABC）,通過食物源向鄰域最優(yōu)食物源周圍搜索,提高了種群的搜索速度;同時,為了動態(tài)調(diào)節(jié)算法的搜索過程,使算法早期側重于全局搜索,后期側重于深度搜索,提出了基于三角函數(shù)調(diào)節(jié)因子的鄰域搜索人工蜂群算法（DNABC）。對12個測試函數(shù)的實驗結果表明,NABC算法在函數(shù)優(yōu)化時具有較高的收斂精度和較快的收斂速度,而且基于三角函數(shù)的調(diào)節(jié)因子能夠?qū)ABC算法的搜索過程進行調(diào)節(jié),促進了NABC算法的改善。 

【文章來源】：計算機工程與科學. 2019,41(04)北大核心CSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

圖１ＡＢＣ算法的流程Ｆｉｇｕｒｅ１ＦｌｏｗｃｈａｒｔｏｆｔｈｅＡＢＣａｌｇｏｒｉｔｈｍ

【參考文獻】：
期刊論文
[1]基于三角函數(shù)搜索因子的混合蛙跳算法[J]. 常小剛,趙紅星.  計算機工程與科學. 2016(11)
[2]T-QoS-aware based parallel ant colony algorithm for services composition[J]. Lin Zhang,Kaili Rao,Ruchuan Wang.  Journal of Systems Engineering and Electronics. 2015(05)
[3]一種鄰域搜索的人工蜂群算法[J]. 周新宇,吳志健,鄧長壽,彭虎.  中南大學學報(自然科學版). 2015(02)



本文編號：3283238