改进基于记忆的人工蜂群算法

摘要：

基于记忆的人工蜂群算法(ABCM)通过记住成功使用的邻居和系数指导人工蜂群下一步的搜索,需消耗多次函数评价收敛到吸引子,且始终使用与上次相同的排斥系数,造成收敛速度不快、多样性不足,易陷入局部最优解.提出一种改进ABCM(IABCM),当使用吸引系数时,候选解只消耗一次函数评价收敛到吸引子,如果候选解好于当前解,则替换当前解,否则直接删除该记忆,这样可以利用尽量小的代价得到尽量大的收益.当使用排斥系数时,该系数的数值部分重新随机生成,以增加多样性和随机性,有利于算法跳出局部最优解.在22个不同类型函数上的实验表明,IABCM在收敛速度和精度方面明显优于ABCM.

关键词：人工蜂群算法、记忆、收敛速度、函数优化

所属期刊栏目：40

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金项目61672338,61373028

在线出版日期：2018-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：61-66