混沌搜索策略的改进人工蜂群算法

针对人工蜂群算法的蜂群缺乏多样性、全局和局部搜索能力差及收敛速度较慢,提出一种基于混沌搜索策略的改进人工蜂群算法。该算法通过载波映射,由混沌-决策变量的变换,产生新的邻域点,为采蜜蜂和被招募的观察蜂提供了更广阔的搜索空间和更优质的位置蜜源,增强蜂群多样性;同时,引进侦查蜂局部蜜源搜索较好地解决了算法易陷入局部极小的问题,改善了人工蜂群算法的收敛性能。最后由6个标准测试函数的仿真验证,得到基于混沌搜索策略的人工蜂群算法性能明显优于标准人工蜂群算法。

基于欧氏距离与多种搜索策略的人工蜂群算法

针对人工蜂群算法收敛速度较慢、收敛精度低和探索能力强但开发能力弱等不足,提出了一种改进的人工蜂群算法(IABC)。利用欧氏距离获得局部最优蜜源,增强蜜源结构相似性的联系与优秀蜜源的影响,增强蜜源的开发能力并加快算法的收敛速度;搜索过程中,根据不同的搜索阶段,选择用不同的搜索策略来增加种群的多样性,以避免算法早熟收敛,平衡探索能力与开发能力。仿真实验结果表明:IABC算法可以有效提高收敛速度与解的精度。