本文選題：人工蜂群算法 + 全局優(yōu)化　； 參考：《控制工程》2017年01期

【摘要】：為提高人工蜂群算法的全局搜索能力,提出一種多策略蜂群算法(multi-strategy based artificial bee colony algorithm:m ABC)。該算法設(shè)計(jì)一種基于最優(yōu)蜜源的位置計(jì)算策略,然后與經(jīng)典蜜源位置計(jì)算策略合作,在引領(lǐng)蜂階段,以隨機(jī)進(jìn)化模式對蜜源進(jìn)行更新,在跟隨蜂階段,以組合進(jìn)化模式對蜜源進(jìn)行更新。同時,設(shè)計(jì)一種基于差分進(jìn)化算子的偵察蜂進(jìn)化模式。對10個經(jīng)典測試函數(shù)和2個數(shù)字系統(tǒng)建模問題進(jìn)行實(shí)驗(yàn)仿真,實(shí)驗(yàn)結(jié)果表明,相比標(biāo)準(zhǔn)蜂群算法,m ABC算法模式有能效地平衡算法的探索和開發(fā)能力,提高收斂速度和最優(yōu)解的精度,具有良好全局搜索效率,是一種有效的求解全局優(yōu)化問題的方法。
[Abstract]:In order to improve the global search ability of artificial bee colony algorithm, a multi-strategy based artificial bee colony algorithm:m ABC algorithm is proposed. The algorithm designs a location calculation strategy based on the optimal honey source, and then collaborates with the classical nectar source location calculation strategy to update the honey source in the leading-bee stage with the random evolution model, and then updates the honey source in the following bee stage. The nectar source was updated by combinatorial evolution model. At the same time, a reconnaissance bee evolution model based on differential evolution operator is designed. Ten classical test functions and two digital system modeling problems are simulated. The experimental results show that compared with the standard bee colony algorithm, the model of m ABC algorithm has the ability to explore and develop the energy efficient balance algorithm. It is an effective method to solve the global optimization problem by improving the convergence rate and the accuracy of the optimal solution and has a good global search efficiency.
【作者單位】： 上海工程技術(shù)大學(xué)機(jī)械工程學(xué)院;上海第二工業(yè)大學(xué)工學(xué)部;化工過程先進(jìn)控制和優(yōu)化技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室;
【基金】：上海高校青年教師培養(yǎng)資助計(jì)劃(ZZgcd14002) 上海市科委地方高校能力建設(shè)項(xiàng)目(14110501200)
【分類號】：TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 王凌;周剛;許燁;王圣堯;;求解不相關(guān)并行機(jī)混合流水線調(diào)度問題的人工蜂群算法[J];控制理論與應(yīng)用;2012年12期

2 畢曉君;王艷嬌;;用于多峰函數(shù)優(yōu)化的小生境人工蜂群算法[J];系統(tǒng)工程與電子技術(shù);2011年11期

3 高衛(wèi)峰;劉三陽;姜飛;張建科;;混合人工蜂群算法[J];系統(tǒng)工程與電子技術(shù);2011年05期

4 郭桂芳;曹秉剛;;電動車用Ni/MH電池組剩余容量的非線性自回歸滑動平均預(yù)測[J];控制理論與應(yīng)用;2011年04期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 方仍存;李超順;蒲桂林;;基于自適應(yīng)混沌蜂群算法的梯級電站優(yōu)化調(diào)度[J];人民黃河;2017年02期

2 徐斌;程武山;陶莉莉;錢鋒;;多策略蜂群算法及在數(shù)字系統(tǒng)建模中的應(yīng)用[J];控制工程;2017年01期

3 張磊;劉成忠;;一種面向多模函數(shù)改進(jìn)的果蠅優(yōu)化算法[J];計(jì)算機(jī)工程與科學(xué);2017年01期

4 王芳;唐秋華;饒運(yùn)清;張超勇;張利平;;求解柔性流水車間調(diào)度問題的高效分布估算算法[J];自動化學(xué)報(bào);2017年02期

5 吳帥;卿兆波;;人工蜂群算法求解帶有啟動時間的批量混合流水車間調(diào)度問題[J];煤礦機(jī)械;2016年11期

6 賴文海;陳賢陽;明國鋒;李芳玲;;基于雙種群小生境差分進(jìn)化算法的動態(tài)經(jīng)濟(jì)調(diào)度[J];廣東電力;2016年07期

7 魏政磊;趙輝;李牧東;王淵;柯益明;;控制參數(shù)值非線性調(diào)整策略的灰狼優(yōu)化算法[J];空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年03期

8 趙明;宋曉宇;常春光;;改進(jìn)人工蜂群算法及其在應(yīng)急調(diào)度優(yōu)化問題中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用研究;2016年12期

9 王東軍;劉翱;劉克;劉波;;基于優(yōu)先規(guī)則的復(fù)雜并行機(jī)調(diào)度問題研究[J];系統(tǒng)工程理論與實(shí)踐;2016年03期

10 錢乾;芮坤坤;程美英;;生物啟發(fā)式算法求解多模態(tài)優(yōu)化問題研究[J];長江大學(xué)學(xué)報(bào)(自科版);2016年07期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王凌;周剛;許燁;金以慧;;混合流水線調(diào)度研究進(jìn)展[J];化工自動化及儀表;2011年01期

2 葉文;歐陽中輝;朱愛紅;范洪達(dá);;求解多峰函數(shù)優(yōu)化的小生境克隆選擇算法[J];系統(tǒng)工程與電子技術(shù);2010年05期

3 周輝仁;唐萬生;魏穎輝;;柔性Flow-Shop調(diào)度的遺傳算法優(yōu)化[J];計(jì)算機(jī)工程與應(yīng)用;2009年30期

4 薛文濤;吳曉蓓;徐志良;;用于多峰函數(shù)優(yōu)化的免疫粒子群網(wǎng)絡(luò)算法[J];系統(tǒng)工程與電子技術(shù);2009年03期

5 陸青;梁昌勇;楊善林;張俊嶺;;面向多模態(tài)函數(shù)優(yōu)化的自適應(yīng)小生境遺傳算法[J];模式識別與人工智能;2009年01期

6 張俊嶺;梁昌勇;楊善林;;具有輪盤反轉(zhuǎn)算子的多Agent算法用于線性系統(tǒng)逼近[J];控制理論與應(yīng)用;2009年01期

7 張梅鳳;邵誠;;多峰函數(shù)優(yōu)化的生境人工魚群算法[J];控制理論與應(yīng)用;2008年04期

8 孟紅云;張小華;劉三陽;;用于約束多目標(biāo)優(yōu)化問題的雙群體差分進(jìn)化算法[J];計(jì)算機(jī)學(xué)報(bào);2008年02期

9 ;A simplified NARMAX method using nonlinear input-output data[J];Journal of Control Theory and Applications;2007年03期

10 石宏理;蔡遠(yuǎn)利;邱祖廉;;基于NARMAX模型的Hopfield網(wǎng)絡(luò)系統(tǒng)辨識(英文)[J];Journal of Shanghai University;2006年03期

，

本文編號：1800651