求解SEVM模型的人工蜂群算法

近年来,越来越多的复杂问题促使着不同的受启于生物的优化算法的研究和发展,一个众所周知的例子就是人工蜂群(Artificial Bee Colony,ABC)算法,主要在于它控制参数少,鲁棒性强,易于实现。随机规划已经在管理学,最优控制,经济学,电力调度等应用领域展现了强大的生命力,然而在求解时由于随机参数的注入,使得这类问题的求解算法未取得重大进展。在本文中,针对随机规划领域中存在的随机期望值模型(Stochastic Expected Value Models,SEVM)模型问题不易求解,提出了人工蜂群算法和随机模拟技术相结合求解SEVM模型问题的混合智能搜索算法,在该算法中,运用随机模拟技术来计算随机期望值函数,人工蜂群算法承担搜索空间中的寻优工作并给出了详细的求解SEVM模型问题的算法步骤。与经典的遗传算法相比,本文的算法在求解SEVM问题中可以获得更加理想的效果,具有可行性和实用性。