人工蜂群算法研究综述

被引：356

作者：

秦全德 ^{[1
]}

程适 ^{[2
]}

李丽 ^{[1
]}

史玉回 ^{[3
]}

机构：

[1] 管理科学系深圳大学

[2] 宁波诺丁汉大学计算机科学系

[3] 西交利物浦大学电气电子工程系

来源：

智能系统学报 | 2014年 / 9卷 / 02期

关键词：

群体智能; 人工蜂群算法; 约束优化; 多目标优化; 选择算法;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

作为一种较新的群体智能优化算法,人工蜂群算法自提出之时就受到学术界的广泛关注,目前已经在多个领域得到了成功应用。介绍了人工蜂群算法的生物背景和基本原理,在对基本人工蜂群算法的不足进行分析的基础上,归纳了当前人工蜂群算法的改进研究主要集中在算法的参数调整、混合算法和设计新的学习策略3个方面。针对现实的复杂环境,对人工蜂群算法在约束优化和多目标优化的研究进展进行了全面的综述。最后,阐述了人工蜂群算法的应用现状,并提出了人工蜂群算法有待进一步研究的问题。

引用

页码：127 / 135

页数：9

共 46 条

[1]

Self-adaptive constrained artificial bee colony for constrained numerical optimization.[J].Xiangtao Li;Minghao Yin.Neural Computing and Applications.2014, 3-4

[2]

Artificial bee colony algorithm for solving multi-objective optimal power flow problem.[J].M. Rezaei Adaryani;A. Karami.International Journal of Electrical Power and Energy Systems.2013,

[3]

Synchronous and asynchronous Pareto-based multi-objective Artificial Bee Colony algorithms [J].

Akay, Bahriye .

JOURNAL OF GLOBAL OPTIMIZATION, 2013, 57 (02) :415-445

[4]

Identification of structural models using a modified Artificial Bee Colony algorithm.[J].Hao Sun;Hilmi Luş;Raimondo Betti.Computers and Structures.2013,

[5]

A recombination-based hybridization of particle swarm optimization and artificial bee colony algorithm for continuous optimization problems [J].