随机化模因人工蜂群算法
神经与进化计算
2014-10-15 v1
摘要
人工蜂群(ABC)优化算法是最近发展的一种用于全局优化的基于群体的概率方法。ABC简单，并且在一些标准基准函数和复杂现实世界优化问题上测试时，已被证明比其他自然启发算法(NIAs)有显著改进。模因算法也成为解决非常大和复杂的现实世界优化问题的关键方法之一。模因ABC的搜索方程基于黄金分割搜索和一个试图平衡搜索空间探索和利用的任意值。但由于其步长，仍然有可能跳过精确解。为了平衡模因ABC的多样化和强化能力，我们随机化了模因ABC中的步长。提出的算法称为随机化模因ABC(RMABC)。在RMABC中，新解在迄今为止最佳解附近生成，这有助于提高模因ABC的利用能力。在不同复杂度的测试问题和一个著名的工程优化应用上的实验表明，所提出的算法在几乎所有问题上都优于模因ABC(MeABC)和其他一些ABC算法变体(如Gbest引导ABC(GABC)、Hooke Jeeves ABC(HJABC)、Best-So-Far ABC(BSFABC)和Modified ABC(MABC))。
引用
@article{arxiv.1408.0102,
title = {Randomized Memetic Artificial Bee Colony Algorithm},
author = {Sandeep Kumar and Vivek Kumar Sharma and Rajani Kumari},
journal= {arXiv preprint arXiv:1408.0102},
year = {2014}
}
备注
arXiv admin note: text overlap with arXiv:1407.5574