人工蜂群算法中改进的跟随蜂阶段
神经与进化计算
2015-06-22 v1
摘要
人工蜂群（ABC）是一种卓越的优化策略，能够解决非线性和多面性问题。作为一种基于种群的概率方法，它相对简单且现代，适用于全面优化。与其他基于种群的算法类似，ABC 由于其搜索过程的缓慢特性，在计算上较为昂贵。ABC 的解探索方程深受一个随机量的影响，该随机量有助于探索，但以牺牲对更优搜索空间的开发为代价。在 ABC 的解探索方程中，由于步长过大，跳过真实解的可能性很高。因此，本文借助受模因算法启发的局部搜索策略改进了跟随蜂阶段，以平衡 ABC 的多样性和收敛能力。所提出的算法命名为“人工蜂群中改进的跟随蜂阶段”（IoABC）。该算法在 12 个具有不同复杂度的知名无偏测试问题和两个工程优化问题上进行了测试；结果表明，在大量实验中，预期算法优于基本 ABC 及其最近的变体。
引用
@article{arxiv.1407.5753,
title = {Improved Onlooker Bee Phase in Artificial Bee Colony Algorithm},
author = {Sandeep Kumar and Vivek Kumar Sharma and Rajani Kumari},
journal= {arXiv preprint arXiv:1407.5753},
year = {2015}
}
备注
9 pages. arXiv admin note: text overlap with arXiv:1407.5574