基于局部搜索改进的人工蜂群算法及应用研究
发布时间：2021-04-18 07:21
2005年,受蜜蜂群体采蜜行为的影响,Karabogo首次提出人工蜂群算法（Artificial bee colony algorithm,ABC）,ABC算法作为一种新型群体智能优化算法,由于其控制参数少,探索能力强,且易于实现等优点,被众多学者关注。但该算法也存在局部搜索性能差,易早熟收敛和所得目标函数值精度低等问题,故对基本人工蜂群算法的研究仍有开阔的前景。对于无约束优化问题,本文分别使用最速下降法、共轭梯度法和单纯形法三种传统优化算法加强基本ABC算法的局部搜索能力,提出了四种改进的人工蜂群算法。在基本人工蜂群算法中的侦查蜂阶段,对达到开采极限的食物源,引领蜂转换为侦查蜂,在搜索空间采用随机搜索,无法确定更新后的食物源更优,而利用局部搜索性能较好的最速下降法和单纯形法更新,确保所有更新后的食物源都得到改善,提出了引入最速下降法改进的人工蜂群算法和基于高斯扰动的单纯形法改进的人工蜂群算法;在基本人工蜂群算法中,跟随蜂会根据引领蜂反馈的信息选择更新食物源,之后对选择的食物源采用随机搜索进行更新,不能保证搜索后的食物源位置比之前的更好,而共轭梯度法却能保证每次迭代都向着较好的的方向移...
【文章来源】：北京建筑大学北京市
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
优化问题平均目
之后速度放缓，仍得到精度大约是1e -12的目标函数值；由图3-4 的(c)可以看出，对优化问题3f ，GABC 算法目标函数值下降速度很慢，FABC 算法前 2500 次迭代收敛速度缓慢，之后下降速度加快，可以得到精度较高的目标函数值；由图 3-4 的(d)可以看出，对优化问题4f ，GABC 算法最好值精度达到1e -14，FABC 算法前期目标函数值下降速度缓慢
35(e)目标函数5f (f)目标函数6f图 3-6 优化问题平均目标函数值的进化曲线Figure 3-6 Evolutionary curves of mean objective function values for optimization problems
【参考文献】：
期刊论文
[1]基于鸡群优化和人工蜂群优化的混合算法[J]. 史旭栋,高岳林. 合肥工业大学学报(自然科学版). 2018(05)
[2]Parameters identification of chaotic systems based on artificial bee colony algorithm combined with cuckoo search strategy[J]. DING ZhengHao,LU ZhongRong,LIU JiKe. Science China（Technological Sciences）. 2018(03)
[3]一种基于进化知识融合的多目标人工蜂群算法[J]. 沈艳霞,陈杰,吴定会. 控制与决策. 2017(12)
[4]基于混合搜索的多种群人工蜂群算法[J]. 陈皓,张洁,杨清萍,董娅娅,肖利雪,冀敏杰. 计算机应用. 2017(10)
[5]基于混合人工蜂群和人工鱼群优化的LSSVM脉动风速预测[J]. 张永康,李春祥,郑晓芬,徐化喜. 振动与冲击. 2017(15)
[6]一种增强局部搜索能力的改进人工蜂群算法[J]. 刘晓芳,柳培忠,骆炎民,范宇凌. 智能系统学报. 2017(05)
[7]自适应贪婪搜索的人工蜂群算法[J]. 杜振鑫,韩德志,曾亮. 燕山大学学报. 2017(02)
[8]基于多策略融合的改进人工蜂群算法[J]. 魏锋涛,岳明娟,郑建明. 计算机工程与应用. 2018(05)
[9]基于竞争机制的自适应人工蜂群算法[J]. 黄文明,梁金华,魏鹏. 计算机工程与设计. 2016(12)
[10]求解指路标志指引路径规划问题的改进人工蜂群算法[J]. 郑健,黄敏,张腾,刘芳. 计算机应用研究. 2017(08)
硕士论文
[1]改进的人工蜂群算法在医学图像分割上的应用[D]. 孙晓亮.沈阳大学 2018
[2]基于反馈的多目标人工蜂群算法研究[D]. 刘婷婷.东北大学 2013
本文编号：3145070
【文章来源】：北京建筑大学北京市
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
优化问题平均目
之后速度放缓，仍得到精度大约是1e -12的目标函数值；由图3-4 的(c)可以看出，对优化问题3f ，GABC 算法目标函数值下降速度很慢，FABC 算法前 2500 次迭代收敛速度缓慢，之后下降速度加快，可以得到精度较高的目标函数值；由图 3-4 的(d)可以看出，对优化问题4f ，GABC 算法最好值精度达到1e -14，FABC 算法前期目标函数值下降速度缓慢
35(e)目标函数5f (f)目标函数6f图 3-6 优化问题平均目标函数值的进化曲线Figure 3-6 Evolutionary curves of mean objective function values for optimization problems
【参考文献】：
期刊论文
[1]基于鸡群优化和人工蜂群优化的混合算法[J]. 史旭栋,高岳林. 合肥工业大学学报(自然科学版). 2018(05)
[2]Parameters identification of chaotic systems based on artificial bee colony algorithm combined with cuckoo search strategy[J]. DING ZhengHao,LU ZhongRong,LIU JiKe. Science China（Technological Sciences）. 2018(03)
[3]一种基于进化知识融合的多目标人工蜂群算法[J]. 沈艳霞,陈杰,吴定会. 控制与决策. 2017(12)
[4]基于混合搜索的多种群人工蜂群算法[J]. 陈皓,张洁,杨清萍,董娅娅,肖利雪,冀敏杰. 计算机应用. 2017(10)
[5]基于混合人工蜂群和人工鱼群优化的LSSVM脉动风速预测[J]. 张永康,李春祥,郑晓芬,徐化喜. 振动与冲击. 2017(15)
[6]一种增强局部搜索能力的改进人工蜂群算法[J]. 刘晓芳,柳培忠,骆炎民,范宇凌. 智能系统学报. 2017(05)
[7]自适应贪婪搜索的人工蜂群算法[J]. 杜振鑫,韩德志,曾亮. 燕山大学学报. 2017(02)
[8]基于多策略融合的改进人工蜂群算法[J]. 魏锋涛,岳明娟,郑建明. 计算机工程与应用. 2018(05)
[9]基于竞争机制的自适应人工蜂群算法[J]. 黄文明,梁金华,魏鹏. 计算机工程与设计. 2016(12)
[10]求解指路标志指引路径规划问题的改进人工蜂群算法[J]. 郑健,黄敏,张腾,刘芳. 计算机应用研究. 2017(08)
硕士论文
[1]改进的人工蜂群算法在医学图像分割上的应用[D]. 孙晓亮.沈阳大学 2018
[2]基于反馈的多目标人工蜂群算法研究[D]. 刘婷婷.东北大学 2013
本文编号：3145070
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3145070.html
