文档介绍:改进的人工蜂群算法及其收敛性分析与应用张鑫,陈国初,公维翔(上海电机学院电气学院,上海)摘要:针对人工蜂群算法容易陷入局部最优的缺陷,本文提出一种自适应柯西变异人工蜂群算法。该算法引入自适应因子来扩大蜂群的搜索范围,并利用柯西分布的特点对全局进行搜索,提高了蜂群搜索的普遍性。然后利用随机过程理论,对自适应柯西变异人工蜂群算法进行了理论分析,论证了该算法的收敛性。最后将改进的人工蜂群算法应用到风电功率短期预测模型参数的优化中,与常规方法比较,表明该方法拟合精度更高。关键词:人工蜂群算法;自适应;柯西变异;收敛性分析;风功率预测;ArtificialbeecolonyalgorithmBasedonAdaptiveCauchyMutationandItsconvergenceanalysisanditsapplicationZhangXin,ChenGuochu,GongWeixiang(SchoolofElectricEngineering,ShanghaiDianJiUniversity,Shanghai,China)Abstract:Astotheproblemoffallingintothelocaloptimuminstandardartificialbeecolony,(ACMABC).,thismodifiedmethodisappliedtotheoptimizationoftheparametersofwindpowershort-paredwithstandardstatisticstrategy,:artificialbeecolonyalgorithm;adaptive;Cauchymutation;convergenceanalysis;Windpowershort-termprediction1引言人工蜂群算法(ArtificialBeeColony,ABC)[1],相对于其他优化算法,其具有原理简单、参数少、易实现、全局搜索能力强的优点,被广泛应用到各种问题优化中[2-3]。尽管ABC具有简单、高效的特点,但在接近全局最优势,易陷入极值点,降低了优化效果,在高维多峰优化函数中尤为突出[4]。为此,近年来出现了不少对其改进的文章。比如,邻域搜索中引入惯性递减权重,性能参数分段搜索[5],邻域搜索方程中增加调节扰动[6],邻域搜索采用量子位Bloch坐标编码