基于混合搜索的多种群人工蜂群算法

针对经典人工蜂群(ABC)算法搜索策略存在搜索机制单一、群体全局搜索与局部搜索运算耦合性较高的问题,提出一种基于混合搜索的多种群人工蜂群(MPABC)算法。首先,将种群按照适应度值进行排序,得到一个有序队列,进而将其划分为随机子群、核心子群和平衡子群三类有序子群;其次,针对不同子群结合相应的个体选择机制与搜索策略,构建出不同的差异向量;最后,在群体的搜索过程中,通过三类子群实现对具有不同适应度函数值个体的有效控制,来增强群体全局搜索和局部搜索的平衡能力。通过对16个标准测试函数进行仿真实验并与具有可变搜索策略的人工蜂群(ABCVSS)算法、基于选择概率的改进人工蜂群(MABC)算法、基于粒子群策略的多精英人工蜂群(PS-MEABC)算法、基于符号函数的多搜索策略人工蜂群(MSSABC)算法和优化高维复杂函数的改进人工蜂群(IABC)算法共五种典型的蜂群算法进行了对比,实验结果显示MPABC具有较好的优化效果;与ABC算法相比,MPABC在求解高维(100维)复杂问题上的收敛速度提高了约23%,且求解精度更优。