文档介绍：人工蜂群算法的应用
【摘要】人工蜂群算法（ABC）是建立在蜜蜂自组织型和群体智能根底上的一 1995年指出蜂群算法后,该算法引起了学者们的极大关注,并已在组合优化、网络路由、函数优化、机器人路径规划等领域获 xi(i=1, 2, . . . , SN)为了D维向量,D为了优化参数的个数,j € (1, 2,
D｝.
新蜜源的更新搜索
蜜蜂记录自己到目前为了止的最优值,并在当前蜜源邻域内展开搜索,根本
ABC在蜜源附近搜索新蜜源的公式为了：
式中,j € ( 1,2, ••£) } , k€ ( 1,2, …,SN,我为了随机生成且k气为了[-1, 1]
之间的随机数.
跟随蜂选择引领蜂
跟随蜂选择引领蜂的概率公式：
式中,fit(xi),被跟随蜂选择的概率越大.
产生侦查蜂
当某蜜源迭代limit次没有改良时,便放弃该蜜源,并且将该蜜源记录在禁忌表中,同时该蜜源对应的雇用蜂转变为了侦察蜂按式 (1)随机产生一个新的位置代替原蜜源.
根本ABC算法的流程为了：
? 1:根据式(1)初始化种群解xi, i =1, •-SN
? 2:计算种群中各个蜜蜂的适应值
? 3: cycle = 1
? 4: repeat
? 5:雇佣蜂根据(2)产生新的解vi并计算适应值
? 6:雇佣蜂根据贪心策略选择蜜源
? 7:根据⑶式计算选择蜜源xi的概率Pi
? 8:跟随蜂根据概率Pi选择蜜源xi,根据(2)式在该蜜源附近产生新的蜜源vi ,并计算新蜜源vi的适应值
? 9:跟随蜂根据贪心策略选择蜜源
? 10:决定是否存在需要放弃的蜜源,如果存在,根据 (1)式随机产生一个
蜜源替代它
? 11:记录最优解
? 12: cycle = cycle + 1
? 13: until cycle = MCN
三、人工蜂群算法在函数优化中的应用
函数优化：函数优化问题是蜂群算法的经典应用领域,也是对各种蜂群算 ,有连续函数也有离散函数,有凸函数也有凹函数,有低维函数也有高维函数,有 ,用其他优化方法较难求解,蜂群算法却可以方便地得到较好的结果.
下列图是用Matlab实现ABC算法对Griewank函数的优化所得到的误差随着迭代次数增加的改变曲线：
10：
10°
Mean of Best function values
□ -1
O
20
O
30
40
O
O
O 5
O
00
8
S le CII y c
由上图可以看出,ABC算法对Griewank函数的优化前期的收敛速度较快, 而在后期就陷入了局部最优,此时的算法出现了停滞现象直到最大迭代次数. 所以ABC算法能够对函数实现一定程度的优化.
四、算法的优缺点
优点
,并根据所得的解的水平自发的调整角色,以适应下一次搜索过程.
,依据角色决定是否选用以前蜜蜂留下的信息和利用信息的方式,能以较大概率找到优化问题的最优解.