算法参数对人工蜂群算法性能的影响

2017-06-20 11:15:46郭书杰方兴赵鹤群
软件导刊 2017年4期

郭书杰+方兴+赵鹤群

摘要:作为一种新兴的群体智能优化方法,人工蜂群算法在函数优化方面具有较好的优化能力。然而其收敛速度也受到控制参数的影响,为了考察算法各参数对其性能的影响,使用VS2010编写了一套标准人工蜂群算法,并选取两个标准函数作为测试对象,对这种影响进行了测试,最后给出了测试结论。

关键词:人工蜂群算法;函数优化;群智能

DOI:10.11907/rjdk.162752中图分类号:TP312文献标识码:A

文章编号:16727800(2017)004006103

0引言 人工蜂群算法[12](Artificial Bee Colony Algorithm,以下简称ABC 算法)是Karaboga于2005年提出,旨在解决函数优化问题。作为一种新兴的模拟生物群体智能的优化方法,ABC算法具有参数数量较少、结构简单、易于实现、应用范围广等诸多优点。Karaboga和Akay的通过实验对比了ABC算法与遗传算法、微粒群算法、差分进化算法等常见智能优化算法的性能。结果表明,就解决函数优化问题而言,ABC算法的性能更具优势[3]。由于ABC算法具有上述优点,它已经被成功地应用到多种不同类型的实际优化问题中,比如参数优化问题[4]、符号回归问题[5]、神经网络[67]以及最短路径问题[8]等。尽管ABC算法的控制参数相对较少,但它仍然有3个参数需要设置。多数智能优化算法都是参数敏感型的,解决不同的问题时,各参数的敏感度又多不相同。为了研究算法求解函数优化问题时参数对ABC算法的影响,使用Visual Studio2010编写了经典人工蜂群算法,考察了算法参数对算法性能的影响。

1人工蜂群算法 人工蜂群算法是通过模拟蜂群的采蜜行为来实现对问题的优化求解,它将蜜蜂分为引领蜂、跟随蜂和侦察蜂3种类型,将整个优化过程分解为引领蜂寻优、跟随蜂寻优、侦查蜂寻优3个阶段。……

登录APP查看全文