学习猴群爬过程的人工蜂群优化算法

被引：3

作者：

贾瑞民 ^{[1
]}

何登旭 ^{[2
]}

石绍堂 ^{[1
]}

机构：

[1] 广西民族大学信息科学与工程学院

[2] 广西民族大学东盟学院

来源：

计算机工程与应用 | 2012年 / 27期

关键词：

人工蜂群算法; 猴群算法; 爬过程; 局部搜索;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

针对人工蜂群算法迭代后期容易陷入局部的缺点,将猴群算法的爬过程引入到采蜜蜂采蜜的阶段,加强局部搜索。通过仿真实验测试,与参考文献中的改进算法进行比较,可以得到提出的改进算法比原人工蜂群算法及现有的部分改进算法性能优良,能够在一定程度上跳出局部最优,得到的近似解也更加接近测试函数理论最优解。

引用

页码：53 / 57

页数：5

共 4 条

[1] 具有混沌差分进化搜索的人工蜂群算法 [J].

银建霞 ;

孟红云 .

计算机工程与应用, 2011, 47 (29) :27-30

[2] 基于boltzmann选择策略的人工蜂群算法 [J].

丁海军 ;

冯庆娴 .

计算机工程与应用 , 2009, (31) :53-55

[3] Chaotic bee colony algorithms for global numerical optimization [J].

Alatas, Bilal .

EXPERT SYSTEMS WITH APPLICATIONS, 2010, 37 (08) :5682-5687

[4]

Mean particle swarm optimisation for function optimisation[J] . Kusum Deep,Jagdish,Chand,Bansal.Int. J. of Computational Intelligence Studies . 2009 (1)

← 1 →