基于正交实验设计的人工蜂群算法

被引：39

作者：

周新宇 ^{[1
]}

吴志健 ^{[2
]}

王明文 ^{[1
]}

机构：

[1] 江西师范大学计算机信息工程学院

[2] 不详

来源：

软件学报 | 2015年 / 26卷 / 09期

关键词：

人工蜂群; 侦察蜂; 搜索经验; 正交实验设计; 通用框架;

D O I：

10.13328/j.cnki.jos.004800

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

人工蜂群算法是近年来提出的较为新颖的全局优化算法,已成功地应用于解决不同类型的实际优化问题.然而在该算法及相关的改进算法中,侦察蜂通常采用随机初始化的方法来生成新食物源.虽然这种方法较为简单,但易造成侦察蜂搜索经验的丢失.从算法搜索过程的内在机制出发,提出采用正交实验设计的方式来生成新的食物源,使得侦察蜂能够同时保存被放弃的食物源和全局最优解在不同维度上的有益信息,提高算法的搜索效率.在16个典型的测试函数上进行了一系列实验验证,实验结果表明:1)该方法能够在基本不增加算法运行时间的情况下,显著地提高人工蜂群算法的求解精度和收敛速度;2)与3种典型的变异方法相比,有更好的整体性能;3)可作为提高其他改进人工蜂群算法性能的通用框架,具备有良好的普适性.

引用

页码：2167 / 2190

页数：24

共 38 条

[1] 一种精英反向学习的粒子群优化算法
周新宇
吴志健
王晖
李康顺
张浩宇
[J]. 电子学报, 2013, 41 (08) : 1647 - 1652
[2] 受启发的人工蜂群算法在全局优化问题中的应用
高卫峰
刘三阳
黄玲玲
[J]. 电子学报, 2012, 40 (12) : 2396 - 2403
[3] 基于人工蜂群技术的海杂波参数优化方法
贾宗圣
司锡才
王桐
[J]. 中南大学学报(自然科学版), 2012, 43 (09) : 3485 - 3489
[4] 一种新的基于正交实验设计的约束优化进化算法
蔡自兴
江中央
王勇
罗一丹
[J]. 计算机学报, 2010, 33 (05) : 855 - 864
[5] 基于ε占优的正交多目标差分演化算法研究
龚文引
蔡之华
[J]. 计算机研究与发展, 2009, 46 (04) : 655 - 666
[6] 进化多目标优化算法研究
公茂果
焦李成
杨咚咚
马文萍
[J]. 软件学报, 2009, 20 (02) : 271 - 289
[7] 一种更简化而高效的粒子群优化算法
胡旺
李志蜀
[J]. 软件学报, 2007, (04) : 861 - 868
[8] Enhancing differential evolution with role assignment scheme
Zhou, Xinyu
Wu, Zhijian
Wang, Hui
Rahnamayan, Shahryar
[J]. SOFT COMPUTING, 2014, 18 (11) : 2209 - 2225
[9] A comprehensive survey: artificial bee colony （ABC） algorithm and applications[J] . Dervis Karaboga,Beyza Gorkemli,Celal Ozturk,Nurhan Karaboga.Artif. Intell. Rev. . 2014 (1)
[10] Enhancing the performance of biogeography-based optimization using polyphyletic migration operator and orthogonal learning[J] . Guojiang Xiong,Dongyuan Shi,Xianzhong Duan.Computers and Operations Research . 2014

← 1 2 3 4 →