|
摘要：人工蜂群算法（ABC,Artificial bee olony algorithm）是一种新的基于蜜蜂群智能行为的优化算法，存在许多有待改进的方面。针对ABC算法中早熟问题，对比几个选择方法如boltzmann选择法，分裂选择法，锦标赛选择法等，并进行实验，结果表明改进后的方法优于原方法。
中国论文网 http://www.xzbu.com/8/view-1701399.htm
关键词：人工蜂群算法 优化算法 早熟 boltzmann选择
0． 引言
近年来，人工蜂群算法（ABC,Artificial Bee Colony）越来越多地受到人们的关注。Seeley[1]建立了蜜蜂的自组织模型。在此基础上，Karaboga于2005年提出了人工蜂群算法[2]。该算法是基于蜜蜂群智能行为的优化算法，通过模拟蜜蜂按照分工采蜜交换蜜源信息来找到最优蜜源。在算法中，采蜜蜂通过轮盘赌方式选择蜜源，导致算法容易陷入早熟。
本文针对此问题，对比了Boltzmann选择法，分裂选择法以及锦标赛选择法等，通过实验表明，改进后的方法优于原方法。
1． 人工蜂群算法[3]
ABC算法步骤：
步骤1 设置主要初始参数：种群数、最大循环次数、参数维数、阈值等，其中采蜜蜂和观察蜂各占50%，侦察蜂1个；
步骤2 随机产生m个初始解，并初始化适宜度最高蜜源（最优解）为第0个蜜源；
步骤3 采蜜蜂搜索蜜源，并计算蜜源适宜度值，进入循环；
步骤4 观察蜂分享蜜源信息，以轮盘赌方式选择其中一个蜜源，然后搜索邻近新蜜源；
步骤5 计算新蜜源适宜度值，根据贪婪机制（适宜度小的被淘汰）选择更优蜜源；
步骤6 经过限定次数（limit）循环后，蜜源适宜度值扔不达标则放弃，采蜜蜂变成侦察蜂继续搜索，
步骤7 存储最优解（适宜度最高蜜源），循环次数加1；
步骤8 满足终止条件，算法结束。
在算法中，采用轮盘赌方式选择蜜源，可能导致算法的早熟，针对此，对比了以下的改进方法，并进行实验，结果表明改进方法优于轮盘赌选择方式。
2． 改进的选择方法
2.1 Boltmann Selection
Boltzmann选择公式：
式中： 为第i个个体的适宜度值，T为温度，T0为初始温度，c为循环次数序号。
2.2 Disruptive Selection
此选择方法类似于轮盘赌方法，只是适宜度值的计算定义不同，概率选择方式不变:
此方法使较优的和较差的蜜源有更多的机会被选择，来保留种群多样性。
2.3 Tournament Selection
此方法思想：为每一个蜜源另设一参数ai（ai表示适宜度值的排名），选择任意两个蜜源进行适宜度值的比较，使较好的蜜源的ai加一，以此类推，直至所有蜜源全部比完，此时适宜度值最大的蜜源排名第一，且ai值最大；再按照ai来计算选择概率。
概率选择方式：
3． 实验结果与分析
为了评价改进后的方法，选择两个测试函数来进行测试：Sphere，Rosenbrock。
1）Sphere function
2）Rosenbrock function
实验测试结果如下：
其中，BABC，DABC，TABC分别代表2.1、2.2以及2.3中的选择方法：
Sphere function结果：
Rosenbrock function结果：
由以上两表可以看出，改进后的三种方法基本上都优于标准ABC算法中的选择方法，这说明了改进后的方法是有效的。
4． 结束语
在本文中，在ABC算法中的选择机制基础上，对比与分析了三种改进的选择方法，并进行了实验，结果表明，增加了种群多样性以及避免了早熟。总的来说，三种改进的选择方法优于标准的ABC算法中的选择方法。
参考文献：
[1]SEELEY T D．The wisdom of the hive:the social physiology of honey bee cology[Ｍ]．Boston,Massachusetts:Harvard University Press,1995.
[2]KARABOGA D.A idea based on bee swarm for numerical optimization,TRO6[R].[S.l.]:Erciyes University,Engineering Faculty,Computer Engineering Department,2005
[3]KARABOGA D,BASTURK B.On the performance of Artificial Bee Colony (ABC) algorithm[J].Applied Soft Computing,2008
|
本刊论文