摘要
针对基本人工蜂群算法搜索策略探索能力强而开发能力弱的特点,受粒子群和差分进化思想的启发,提出了两种新的搜索策略:PSO-DE-PABC和PSO-DE-GABC。前者在随机个体附近产生新的候选位置以提高算法的多样性;后者在最优解附近产生新的候选位置以提高算法的收敛速度,并加入差分进化中的差异向量来增加种群的多样性。在此基础上,引入维度因子来控制算法的收敛速度,并且使用一种利用当前种群信息的侦查策略来增强算法的局部搜索能力。通过对10组标准测试函数的实验仿真并与基本ABC、GABC和ABC/best算法相比,结果表明PSODE-GABC和PSO-DE-PABC对数值优化具有更高的收敛速度和收敛精度。
学科与关键词
关键词
混合优化算法人工蜂群算法粒子群差分进化搜索策略侦查策略 hybrid optimizationArtificial Bee Colony(ABC)Particle Swarm Optimization(PSO)Differential Evolution(DE)solution search strategyscout strategy
- 侦察蜂在人工蜂群算法中的作用张超群; 郑建国; 李陶深广西师范大学学报(自然科学版), 2013, (03): 72-80.
- 一种基于PSO-ABC的全局优化算法叶奕茂; 赵华生; 金龙广西民族大学学报(自然科学版), 2013, (04): 55-59.
- Hybrid optimization algorithm of PSO and ABCLIU Junfang; ZHANG Xueying; NING Aiping2011.
