針對(duì)人工蜂群算法存在易陷入局部最優(yōu)、收斂速度慢的缺陷,提出一種改進(jìn)鄰域搜索策略的人工蜂群算法.首先,將混沌思想和反向?qū)W習(xí)方法引入初始種群,設(shè)計(jì)混沌反向解初始化策略,以增大種群多樣性,增強(qiáng)跳出局部最優(yōu)的能力;然后,在跟隨蜂階段根據(jù)更新前個(gè)體最優(yōu)位置引入量子行為模擬人工蜂群獲取最優(yōu)解,通過交叉率設(shè)計(jì)更新前個(gè)體最優(yōu)位置,并利用勢(shì)阱模型的控制參數(shù)提高平衡探索與開發(fā)的能力,對(duì)觀察蜂鄰域搜索策略進(jìn)行改進(jìn),以提高算法的收斂速度和精度;最后,將改進(jìn)人工蜂群算法與粒子群算法、蟻群算法以及其他改進(jìn)人工蜂群算法進(jìn)行比較,利用12個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)進(jìn)行仿真分析.結(jié)果表明,改進(jìn)算法不僅提高了收斂速度和精度,而且在高維函數(shù)優(yōu)化方面具有一定的優(yōu)勢(shì). 

【文章來源】：控制與決策. 2019,34(05)北大核心EICSCD

【文章頁數(shù)】：8 頁

【參考文獻(xiàn)】：
期刊論文
[1]多搜索策略協(xié)同進(jìn)化的人工蜂群算法[J]. 王志剛,尚旭東,夏慧明,丁華.  控制與決策. 2018(02)
[2]求解連續(xù)空間優(yōu)化問題的改進(jìn)蜂群算法[J]. 王永琦,吳飛,孫建華.  計(jì)算機(jī)應(yīng)用研究. 2018(03)
[3]Artificial Bee Colony Algorithm-based Parameter Estimation of Fractional-order Chaotic System with Time Delay[J]. Wenjuan Gu,Yongguang Yu,Wei Hu.  IEEE/CAA Journal of Automatica Sinica. 2017(01)
[4]基于量子策略的布谷鳥搜索算法研究[J]. 王健,丁學(xué)明,董新燕.  電子科技. 2015(12)
[5]Artificial bee colony algorithm with comprehensive search mechanism for numerical optimization[J]. Mudong Li,Hui Zhao,Xingwei Weng,Hanqiao Huang.  Journal of Systems Engineering and Electronics. 2015(03)
[6]Hybridizing artificial bee colony with biogeography-based optimization for constrained mechanical design problems[J]. 蔡紹洪,龍文,焦建軍.  Journal of Central South University. 2015(06)
[7]Archimedean copula estimation of distribution algorithm based on artificial bee colony algorithm[J]. Haidong Xu,Mingyan Jiang,Kun Xu.  Journal of Systems Engineering and Electronics. 2015(02)
[8]分階段搜索的改進(jìn)人工蜂群算法[J]. 李國(guó)亮,魏振華,徐蕾.  計(jì)算機(jī)應(yīng)用. 2015(04)
[9]基于局部最優(yōu)解的改進(jìn)人工蜂群算法[J]. 王冰.  計(jì)算機(jī)應(yīng)用研究. 2014(04)
[10]基于分段搜索策略的改進(jìn)蜂群算法[J]. 羅鈞,肖向海,付麗,王強(qiáng).  控制與決策. 2012(09)



本文編號(hào)：3487317