為克服基本人工蜂群算法在求解復(fù)雜函數(shù)優(yōu)化問題時(shí),存在求解精度低且搜索盲目性大的缺點(diǎn),提出一種改進(jìn)的人工蜂群算法。上述算法在基本人工蜂群算法的跟隨蜂階段,引入局部搜索性能較強(qiáng)的共軛梯度法改變搜索策略,用確定性搜索代替盲目性搜索,減少隨機(jī)性,增強(qiáng)跟隨蜂的局部尋優(yōu)能力,確保食物源的每次更新都會(huì)得到改善。將改進(jìn)后的算法用于傳統(tǒng)登革病毒傳播模型的參數(shù)優(yōu)化。經(jīng)過標(biāo)準(zhǔn)測試函數(shù)問題的仿真表明,所得改進(jìn)的人工蜂群算法較基本人工蜂群算法具有更高的求解精度,所得的參數(shù)對(duì)應(yīng)的模型輸出與實(shí)際數(shù)據(jù)擬合情況較好。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1FABC算法流程圖

(xi+1－x2i)+(xi－1)2］［－30．30］0f4f4(x)=∑ni=1［x2i－10cos(2πxi)+10］［－5．12，5．12］0f5f5(x)=－20exp－0．2∑ni=1x2i槡/n()－exp1n∑ni=1cos(2πxi)()+20+e［－32，32］....

圖2目標(biāo)函數(shù)f1平均最優(yōu)進(jìn)化曲線

比，F(xiàn)ABC算法在所得解的精度上有較大的提升。對(duì)單峰函數(shù)f1無論是最好解還是最差解都成功的找到理論最優(yōu)解0;對(duì)復(fù)雜的多峰函數(shù)f2和f5，ABC算法和GABC算法最差解和最好解相差甚遠(yuǎn)，說明算法的表現(xiàn)極不穩(wěn)定，而FABC算法最差解和最好解很接近，且標(biāo)準(zhǔn)差表明算法相對(duì)穩(wěn)定;對(duì)單峰函數(shù)....

圖3目標(biāo)函數(shù)f2平均最優(yōu)進(jìn)化曲線

在2400次左右達(dá)到1e－12，而ABC算法和GABC算法在3000次仍很差;從圖5中可以看出，對(duì)目標(biāo)函數(shù)f4，F(xiàn)ABC算法在大約1400次成功找到理論最優(yōu)解，ABC算法和GABC算法在3000次仍未達(dá)到;從圖6中可以看出，對(duì)目標(biāo)函數(shù)f5，求解精度達(dá)到1e－8，F(xiàn)ABC算法大約需....

圖4目標(biāo)函數(shù)f3平均最優(yōu)進(jìn)化曲線

ABC算法和GABC算法在3000次仍很差;從圖5中可以看出，對(duì)目標(biāo)函數(shù)f4，F(xiàn)ABC算法在大約1400次成功找到理論最優(yōu)解，ABC算法和GABC算法在3000次仍未達(dá)到;從圖6中可以看出，對(duì)目標(biāo)函數(shù)f5，求解精度達(dá)到1e－8，F(xiàn)ABC算法大約需要2300次，GABC算法需300....

本文編號(hào)：3954264