人工蜂群算法及其在土地资源优化中的应用研究

张泊平, 吴国玺

(1.许昌学院计算机科学与技术学院,河南许昌461000;2.许昌学院城市与环境学院,河南许昌461000)

0 引言

目前,解决系统优化问题的有效工具之一是群智能优化算法,但是算法收敛速度慢、容易陷入局部最优解[1-2]。2005年Karaboga提出了人工蜂群算法(Artificial Bee Colony Algorithm,ABC)[3],以解决相关问题。该算法的主要思想是对蜂群内部的蜜蜂进行明确分工,蜜蜂通过跳舞和嗅气味等方式向同伴传达蜜源地的信息、筑巢或者采集花粉等活动,这种行为使蜂群能够迅速找到优质的蜜源地。人工蜂群算法与其他算法相比,在求解多变量、多峰值的全局优化问题时具有更好的适应性和鲁棒性[4]。

学界在土地资源优化领域的研究中引入了很多新的方法[5],这些方法虽然在一定程度上解决了土地资源优化模型的非动态、单目标性,但是仍存在诸多等缺点。文中从模拟生物(蜜蜂)对环境的适应性和能动性出发,设计了应用于土地资源优化的人工蜂群算法,试图构建基于多目标的土地资源优化模型,解决ABC算法应用于土地资源优化的过早老化的问题和收敛速度慢等两个难题[3],并以许昌市为例,运用文中模型,进行了许昌市多目标土地利用优化应用研究,获得理想的效果。

1 人工蜂群算法

在人工蜂群算法中首先将蜜蜂分为侦察蜂、引领蜂和跟随蜂3类。3类蜜蜂能够根据各自的分工进行活动,并实现蜂群内部的信息共享和交流。侦查蜂的任务是在邻域附近随机搜索蜜源地,引领蜂则把已经搜索到的蜜源地的信息存储起来,以概率的方式分享给其他蜜蜂;跟随蜂在蜂巢附近等待引领蜂跳舞,并根据舞姿选择最满意的蜜蜂跟随。……