自适应人工蜂群算法在梯级水库优化调度中的应用

被引：8

作者：

李冰 ^{[1
,2
]}

孙辉 ^{[1
,2
]}

王坤 ^{[1
,2
]}

赵嘉 ^{[1
,2
]}

王晖 ^{[1
,2
]}

机构：

[1] 南昌工程学院信息工程学院

[2] 南昌工程学院江西省水信息协同感知与智能处理重点实验室

来源：

水电能源科学 | 2016年 / 34卷 / 08期

关键词：

人工蜂群算法; 自适应; 局部搜索; 交叉; 水库优化调度;

D O I：

暂无

中图分类号：

TV697.11 [];

学科分类号：

摘要：

针对人工蜂群算法全局搜索能力强、局部搜索能力弱的缺点,提出了自适应人工蜂群算法,即先在搜索策略中引入自适应全局最优学习,以增强算法局部搜索能力;其次,个体使用改进策略进行全维搜索产生进化体,通过自适应交叉概率因子,将进化体与原个体进行交叉构建候选个体,以平衡算法搜索能力。在经典基准测试函数的仿真试验表明,与一些最新的改进人工蜂群算法相比,所提算法具有较大优势;在清江梯级水库优化调度应用中的测试,也证明了所提算法具有更好的适用性。

引用

页码：59 / 62+49 +49

页数：5

共 8 条

[1]

Multi-strategy ensemble artificial bee colony algorithm[J] . Hui Wang,Zhijian Wu,Shahryar Rahnamayan,Hui Sun,Yong Liu,Jeng-shyang Pan. &nbspInformation Sciences . 2014

[2] Gbest-guided artificial bee colony algorithm for numerical function optimization [J].

Zhu, Guopu ;

Kwong, Sam .

APPLIED MATHEMATICS AND COMPUTATION, 2010, 217 (07) :3166-3173

[3] A comparative study of Artificial Bee Colony algorithm [J].

Karaboga, Dervis ;

Akay, Bahriye .

APPLIED MATHEMATICS AND COMPUTATION, 2009, 214 (01) :108-132

[4]

A powerful and efficient algorithm for numerical function optimization: artificial bee colony (ABC) algorithm[J] . Dervis Karaboga,Bahriye Basturk. &nbspJournal of Global Optimization . 2007 (3)

[5]

A modified artificial bee colony algorithm[J] . Wei-feng Gao,San-yang Liu. &nbspComputers and Operations Research . 2011 (3)

[6] 具有自适应全局最优引导快速搜索策略的人工蜂群算法 [J].

赵辉 ;

李牧东 ;

翁兴伟 .

控制与决策, 2014, 29 (11) :2041-2047

[7] 多种群粒子群算法与混合蛙跳算法融合的研究 [J].

李俊 ;

孙辉 ;

史小露 .

小型微型计算机系统, 2013, 34 (09) :2164-2168

[8]

A hybrid artificial bee colony optimizer by combining with life-cycle, Powell’s search and crossover[J] . Lianbo Ma,Kunyuan Hu,Yunlong Zhu,Hanning Chen. &nbspApplied Mathematics and Computation . 2015

← 1 →