一种基于人工蜂群算法的优化方法.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CN110569957A(43)申请公布日2019.12.13(21)申请号201910825742.0(22)申请日2019.09.03(71)申请人华侨大学地址362000福建省泉州市丰泽区城东华侨大学申请人泉州市中仿宏业信息科技有限公司中科永大控股有限公司(72)发明人柳培忠刘大海刘晓芳骆炎民汪鸿翔杜永兆范宇凌(74)专利代理机构泉州市文华专利代理有限公司35205代理人陈雪莹(51)Int.Cl.G06N3/00(2006.01)权利要求书2页说明书7页附图6页(54)发明名称一种基于人工蜂群算法的优化方法(57)摘要本发明公开了一种基于人工蜂群算法的优化方法，涉及仿生智能计算与优化领域。本发明采用一种新的初始化策略，从而获得较高质量的初始种群并减少寻优迭代次数；然后提出了两个新的搜索方程，其中一个用于增强局部搜索能力，另一个用于避免后期寻优过程的早熟收敛；进一步地，本发明对基本人工蜂群算法的框架进行了调整。本发明在于提供一种基于人工蜂群算法的优化方法，增强初始种群的多样性和分布性，提高搜索随机性，避免陷入局部最优，改进算法性能，无论在解的精度还是收敛速度方面，效果都有所提高。CN110569957ACN110569957A权利要求书1/2页1.一种基于人工蜂群算法的优化方法，其特征在于，包括：步骤10、设置EeABC的参数，所述参数包括种群大小SN、最大迭代次数MCN、最大评估次数MFE、个体维数D、阈值limit；步骤20、生成初始种群，同时产生一个解和所述解的反向解，公式如下：其中，i∈{1,2,…,SN}，表示蜜源的数量；j∈{1,2,…,D}，表示个体维度；表示解xi第j维的值；表示的反向解，表示第j维变量的取值范围；rand(0,1)为0到1之间的随机数；k∈[0,1]，为广义系数；[aj,bj]为第j维搜索空间的动态边界；若反向解越界，采用公式(4)重新取值：其中，rand(·)为随机函数，取值介于与之间；步骤30、根据公式(5)分别计算个体的适应值，选取适应值较大的SN/2个个体作为初始雇佣蜂种群：其中，fiti表示第i个个体的适应值，fi表示第i个个体的函数值；步骤40、在由步骤30选择出来的雇佣蜂个体附近进行邻域搜索，得到新蜜源，搜索策略如公式(6)所示：；j其中，vi为新蜜源；下标r1为集合{1,2,...,SN}中的随机整数，且不等于i；系数取值范围为[-1,1]；变量表示第r1个蜜源的第j维；变量表示最佳蜜源的第j维；步骤50、按照公式(5)计算新蜜源中新个体的适应值，记作fit_new,若fiti<fit_new，采用新个体替换当前雇佣蜂个体，trial(i)＝0；否则，进行随机搜索，当rand<fiti时，按照公式(7)进行搜索，trial(i)＝0，若rand>fiti，trial(i)++：其中rand为0到1之间的随机数，下标r2为集合{1,2,...,SN}中的随机整数，且不等于i，系数取值范围为[-1,1]；变量表示第r2个蜜源的第j维；步骤60、判断trial(i)>limit是否成立，若成立，则放弃当前蜜源，进入侦查蜂阶段，根据公式(8)生成新蜜源，若不成立，则当前的解为最优解，转至步骤7；2CN110569957A权利要求书2/2页步骤70、记录最优解；步骤80、判断评估次数≥MFE，若是，则输出最优解；否则，转至步骤40。3CN110569957A说明书1/7页一种基于人工蜂群算法的优化方法技术领域[0001]本发明涉及仿生智能计算与优化领域，尤其涉及一种基于人工蜂群算法的优化方法。背景技术[0002]随着科学技术的日益发展，许多工程的核心问题最终都归结为优化问题。因此，最优化已经成为工程技术人员必不可少的计算工具。在计算机已经广为普及的今天，一些大规模的优化问题的求解可以在一台普通的计算机上实现，使得最优化方法得到了比以往任何时候都更加广泛的应用。[0003]人工蜂群算法(ArtificialBeeColony，ABC)属于仿生智能算法的一种，是由Karaboga于2005年提出的一种新颖的基于群智能的全局优化算法，将蜂群的采蜜过程作为模拟对象。自然界中的蜜蜂的种群中的所有蜜蜂都有清晰的工作划分，不同分工的蜜蜂之间也有简单的信息交流，不同分工的蜜蜂也会转换职能，蜂群通过相互协作找到最优蜜源。人工蜂群算法模拟了蜜蜂种群的分工、信息交流、职能转换等过程，算法中包含的三个最基本的元素为：蜜源、雇佣蜂、未被雇佣蜂。蜜蜂根据各自的分工进行不同的活动，并实现蜂群信息的共享和交流，从而找到问题的最优解，具有具有控制参数少、容易实现，局部搜索能力强以及应用范围广的优点。[0004]但是，传统人工蜂群算法仍存在种群