科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文针对目前人工蜂群算法在求解函数优化问题时存在开发能力差、易陷入局部最优、收敛速度慢等问题，提出了一种极值个体引导的人工蜂群算法。首先，该算法在雇佣蜂和跟随蜂的搜索中利用全局极值个体和邻域极值个体引导搜索，全局极值个体引导搜索有利于种群中优良个体的保留和发展，使算法跳出局部极值，避免早熟收敛。邻域极值个体引导搜索有利于增强搜索精度，提高算法的收敛速度，并通过随机数r平衡两种搜索机制；其次，在搜索过程中引入小概率变异算子，对蜜蜂个体的各维度以较小的概率进行变异，克服算法陷入局部极值并出现早熟收敛的现象；最后，采用基于目标函数值的贪婪选择策略，提高算法的优化性能；采用28个测试函数进行仿真实验，并与其它几种算法进行比较，实验结果表明改进算法具有较高的优化性能、较快的收敛速度。
-
单位机电工程学院; 甘肃农业大学
