基于猫群思想的混合人工蜂群算法

赵玉霞，徐晓钟，黄 维，马 燕

(上海师范大学 信息与机电工程学院，上海 200234)

0 引 言

人工蜂群算法[1](artificial bee colony，ABC)是受蜂群采蜜过程启发的一种群智能算法，具有控制参数少、搜索能力强等优点[2]，已被用于连续空间优化[3]、数据挖掘[4]和神经网络优化[5]等多个方面。但ABC算法仍存在易“早熟”收敛和进化后期搜索能力较差的缺点，大量学者对此提出了多种改进方法，包括食物源初始化改进、观察蜂选择策略改进、解更新策略改进、与其他算法结合等等。

在食物源初始化改进方面，罗钧等[6]提出应用混沌序列初始化解，通过混沌的随机性、遍历性，提高解的多样性和搜索的遍历性。在观察蜂选择策略的改进方面，Bao等[7]提出三种新的选择机制：裂变选择、排序选择和竞标赛选择，并证明了新选择机制的有效性。在解更新策略的改进方面，Zhu等[8]在粒子群算法的启发下，提出基于最优解引导的解更新策略，提高了算法开采能力。Kiran等[9]在解更新策略中引入方向信息，降低了更新方向的盲目性，提高了算法速度。郝继升等[10]引入受差分进化算法启发的搜索方程，提高算法的搜索能力。在与其他算法结合方面，Ozturk等[11]将遗传算法与人工蜂群算法相结合，利用交叉和交换机制对食物源更新公式进行改进，使其跳出局部最优解。

以上改进从不同方面提升了算法优化能力，但是在提高算法收敛性的同时避免陷入局部最优方面仍旧有进一步的改进空间，因而文中提出基于猫群思想的混合人工蜂群算法，以通过新的搜索策略和搜索过程，以提高算法优化性能。……