求解高維復雜優化問題的改進人工蜂群算法

賀桂嬌 ，周樹亮 ，馮冬青

1.廣州現代信息工程職業技術學院，廣州 510663

2.鄭州大學 電氣工程學院，鄭州 450001

3.中國中鐵工程裝備集團有限公司，鄭州 450016

1 引言

Artificial Bee Colony（ABC[1]）算法是2005年由土耳其學者Karaboga提出的一種新的群體智能算法。ABC算法因原理簡單、控制參數少、靈活性及適應度高等特點[2]，越來越受到學者們的青睞。ABC算法常用于解決函數離散優化[3-4]和無約束優化問題[5]，但是ABC算法存在容易早熟收斂、收斂精度低、易陷入局部最優、后期跳出局部最優能力不足等缺點。究其原因都是因為ABC算法的開發能力不足。

針對上述問題，研究者提出了很多改進方案。暴勵[6]等人在ABC算法中融合差分進化算法，提出BDABC算法，兩種算法互相融合，共享最優解，收斂速度提高。汪繼文[7]等人改進搜索方程，提出了ABC/current-to-best算法，收斂速度提高但是容易陷入局部最優。張泰[8]等人引入自適應步長策略，提出SAABC算法。Lv[9]等在全局搜索方程中加入高斯擾動，提出GBABC算法，算法的魯棒性提高但是收斂精度改善甚微。Sharma[10]等在搜索方程中加入所有個體的位置信息，有效防止了算法陷入局部最優。Pan[11]等在搜索方程中加入全局最優解和一些隨機個體，提高了算法的收斂精度，但是對于多模態復雜問題，尋優效果并沒有多大改善。李國亮[12]研究ABC算法在不同的迭代階段設計了不同的搜索方式，從而減低了算法陷入局部極值的可能性。Amira[13]結合量子計算和ABC算法，提出量子人工蜂群（QABC）算法，不僅提高算法的多樣性，而且提高了計算能力。Zhang和Liu[14]結合DE算法改進蜂群算法，提出NABC算法，從而提高了算法的收斂精度。……