改进的人工蜂群优化算法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113537439A(43)申请公布日2021.10.22(21)申请号202010310113.7(22)申请日2020.04.17(71)申请人中国石油化工股份有限公司地址257000山东省东营市东营区济南路125号申请人中国石油化工股份有限公司胜利油田分公司勘探开发研究院(72)发明人罗红梅王长江赵铭海谷玉田郑文召陈攀峰杨培杰屈冰张娟王庆华(74)专利代理机构济南日新专利代理事务所(普通合伙)37224代理人崔晓艳(51)Int.Cl.G06N3/00(2006.01)权利要求书1页说明书5页附图1页(54)发明名称改进的人工蜂群优化算法(57)摘要本发明提供一种改进的人工蜂群优化算法，该改进的人工蜂群优化算法包括：步骤1：初始化种群及蜜源位置，设定采蜜蜂、观察蜂种群数量；步骤2，开展蜜源位置评价；步骤3，采蜜蜂结合粒子群算法和遗传算法开展蜜源邻域搜索；步骤4，若邻域搜索次数超过设定值，则采蜜蜂保留搜索到的最佳蜜源，观察蜂以一定概率跟随采蜜蜂，根据蜜源质量决定要放弃的蜜源并随机产生一个新蜜源代替；步骤5，当达到最大迭代次数或最小精度要求时，确定适应度最大的蜜源为最优解。该改进的人工蜂群优化算法通过交叉系数协调算法的探索能力和开发能力，提供一种稳定性和准确性大大提高的改进的人工蜂群优化算法，为解决复杂问题最优解提供了技术手段。CN113537439ACN113537439A权利要求书1/1页1.改进的人工蜂群优化算法，其特征在于，该改进的人工蜂群优化算法包括：步骤1：初始化种群及蜜源位置，设定采蜜蜂、观察蜂种群数量；步骤2，开展蜜源位置评价；步骤3，采蜜蜂结合粒子群算法和遗传算法开展蜜源邻域搜索；步骤4，若邻域搜索次数超过设定值，则采蜜蜂保留搜索到的最佳蜜源，观察蜂以一定概率跟随采蜜蜂，根据蜜源质量决定要放弃的蜜源并随机产生一个新蜜源代替；步骤5，当达到最大迭代次数或最小精度要求时，确定适应度最大的蜜源为最优解。2.根据权利要求1所述的改进的人工蜂群优化算法，其特征在于，在步骤1中，初始化蜜源，随机产生初始群体P，即SN个初始解；设置采蜜蜂、观察蜂数量，设置蜂群算法中参数，包括蜂群大小、蜜蜂最大搜索次数、蜜蜂搜索空间的上界和下界、迭代终止条件。3.根据权利要求1所述的改进的人工蜂群优化算法，其特征在于，在步骤2中，蜜源评价，每个蜜源代表算法优化问题中的一个可能解，蜜源的质量对应着解的质量，用目标函数值或适应度值表示，以此评估蜜源质量。4.根据权利要求1所述的改进的人工蜂群优化算法，其特征在于，在步骤3中，在采蜜蜂搜索邻近蜜源时，应用粒子群算法改进邻域搜索路径，使用全局最优解引导的人工蜂群算法较好地增强算法的开发能力，其搜索公式如下式所示：其中,xi,j为蜜源搜索的当前记忆位置，vi,j为搜索产生的新的候选位置，φi,j为[-1,1]之间的随机数，XGlobal＝[XGlobal,1,XGlobal,2,…,XGlobal,D]为全局最优解，通过调节β的值平衡算法的探索与开发能力；在邻域搜索更新蜜源位置时应用遗传算法中二项交叉，建立交叉操作的公式如下式所示：其中，rand为0到1之间均匀分布的随机值，cr表示交叉系数，通过交叉系数cr来协调算法的探索能力和开发能力，优化采蜜蜂寻找最佳蜜源能力。5.根据权利要求1所述的改进的人工蜂群优化算法，其特征在于，在步骤4中，当采蜜蜂邻域搜索次数没有超过限定值事，流程返回到步骤2。6.根据权利要求1所述的改进的人工蜂群优化算法，其特征在于，在步骤5中，当没有达到最大迭代次数或满足最小精度误差时，流程返回到步骤2。2CN113537439A说明书1/5页改进的人工蜂群优化算法技术领域[0001]本发明涉及群体智能优化算法技术领域，特别是涉及到一种改进的人工蜂群优化算法。背景技术[0002]人工蜂群算法的优点在于通过模拟蜂群的智能采蜜行为，蜜蜂根据各自的分工进行不同的采蜜活动，并实现蜜源信息的共享和交流，从而找到问题的最优解，算法具有结构简单、易于实现、无需梯度信息、参数较少等特点。但是通常的人工蜂群算法也存在易于过早陷入局部最优点，进化后期收敛速度慢，对过于复杂的问题搜索不到最优解，计算精度不高等问题。为此将人工蜂群算法与粒子群算法、遗传算法相结合，对人工蜂群算法的邻域搜索公式进行改进，协调算法的探索和开发能力，避免传统人工蜂群算法因全局探测能力不足而陷入局部最优解的问题。[0003]蜂群算法属于群体智能优化算法的一种。群体智能指的是许多简单个体通过相互协作表现出复杂智能行为的特性，其利用群体优势，在没有集中控制并且不提供全局模型的前提下，为解决复杂问题提供了一种新的思路。群体智能优化算法是群体智能研究的一个重要