用于大规模全局优化的模因人工蜂群算法
神经与进化计算
2016-11-17 v1 人工智能
摘要
模因计算（MC）最近作为一种用于求解最困难优化问题的高效算法新范式而出现。另一方面，人工蜂群（ABC）算法在求解连续和组合优化问题时表现出良好的性能。本研究试图将这些技术结合在同一框架下。作为结果，开发了一种模因 ABC（MABC）算法，该算法与两种局部搜索启发式方法混合：Nelder-Mead 算法（NMA）和带方向利用的随机游走（RWDE）。前者更倾向于探索，而后者更倾向于对搜索空间的利用。采用随机自适应规则来控制探索与利用之间的平衡。该 MABC 算法被应用于 2012 年 IEEE 进化计算大会的大规模连续全局优化专题套件。MABC 获得的结果与 DECC-G、DECC-G* 和 MLCC 的结果具有可比性。
引用
@article{arxiv.1206.1074,
title = {Memetic Artificial Bee Colony Algorithm for Large-Scale Global Optimization},
author = {Iztok Fister and Iztok Fister and Janez Brest and Viljem Žumer},
journal= {arXiv preprint arXiv:1206.1074},
year = {2016}
}
备注
CONFERENCE: IEEE Congress on Evolutionary Computation, Brisbane, Australia, 2012