改进基于记忆的人工蜂群算法_杜振鑫.pdfVIP

网络出版时间：2017-10-02 19:17:17 网络出版地址：/kcms/detail/11.3570.TN1917.040.html 2009年2月 北 京 邮 电 大 学 学 报 Feb. 2009 第32卷第1期 Journal of Beijing University of Posts and Telecommunications Vol.32 No.1 文章编号： 改进基于记忆的人工蜂群算法 1,2 2 2 杜振鑫 , 韩德志 , 刘广钟 (1. 韩山师范学院 计算机与信息工程学院,广东 潮州 521041;2.上海海事大学 信息工程学院,上海 201306) 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有哪些信誉好的足球投注网站，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.提出一种改进算法，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，改进算法在收敛速度和精度方面明显优于人工蜂群算法和 ABCM. 关 键 词:人工蜂群算法；记忆；收敛速度;函数优化 中图分类号: TP18 文献标志码: A An Improved Artificial Bee Colony Algorithm with Memory 1,2 2 2 DU Zhen-xin , HAN De-zhi , LIU Guang-zhong (1. School of Computer Information Engineering, Hanshan Normal University, Chaozhou 521041,China; 2.College of Information Engineering, Shanghai Maritime University, Shanghai 201306, China) Abstract: Artificial bee colony algorithm with memory (ABCM) memorizes previous used successful coefficients and neighbors to guide the further foraging of the artificial bees. ABCM consumes many function evaluations to converge to the attractors and use the same rejection coefficients as last time, which easily results in the slow convergence, low population diversity and falling into the local minima. In the improved ABCM (IABCM), the candidates converge to the attractors consuming only one function evaluat