采用人工蜂群算法求解多维函数极值

文章首先介绍了人工蜂群算法,然后提出了一种采用人工蜂群算法求解多维函数极值的新方法,最后编写出MATLAB程序并选取四个标准测试函数进行实验仿真。通过将实验仿真结果与粒子群算法求解结果和理论最优值进行比较分析,证明了该方法可行,而且具有耗时短,收敛快等优点。     

一种改进的人工蜂群算法研究

针对人工蜂群算法在更新策略中精度与稳定性不高的问题,提出一种改进的人工蜂群算法。该改进的人工蜂群算法通过增加每次更新维度的个数来改善算法的精度,在文中所选择的每次更新维度的个数为可行解维数的1/2;同时,该算法选择当前适应值最优的蜂蜜源在其周围进行邻域搜索,避免了由于随机性而带来的算法精度降低问题。最后,比较改进的人工蜂群算法与经典的粒子群算法,通过多个高维测试函数的仿真实验表明,改进的人工蜂群算法比粒子群算法具有更高的精度和稳定性,展现了更好的性能。     

基于差分变异算子的改进人工蜂群算法

文章针对传统人工蜂群算法收敛速度慢、精度不高的问题,基于差分进化算法中的变异算子,对人工蜂群算法搜索方程进行改进,在种群更新过程中引入当前种群最优个体信息,以提升算法的收敛速度和局部优化能力。     

基于差分变异算子的改进人工蜂群算法

文章针对传统人工蜂群算法收敛速度慢、精度不高的问题,基于差分进化算法中的变异算子,对人工蜂群算法搜索方程进行改进,在种群更新过程中引入当前种群最优个体信息,以提升算法的收敛速度和局部优化能力。     

人工蜂群算法综述

讨论人工蜂群算法（ABC, Artificial Bee Colony Algorithm）的开发和应用。首先回顾从2005年以来的开发过程,然后介绍算法的标准版本以及常用的测试函数,最后讨论该算法的一些非标准的改进、应用以及未来潜在的应用领域。     

并行人工蜂群算法研究

针对人工蜂群算法在处理高维度问题时收敛速度慢的问题,利用OpenMP多线程技术和规约机制,并根据已改进的观察蜂来选择雇佣蜂的方式,提出了基于OpenMP的并行人工蜂群算法（PCABC）。仿真实验分别在问题维度为100和200下进行来评估算法性能,在4个逻辑处理器环境下,基于静态调度的并行人工蜂群算法的加速比最高可以达到3.95,效率可达98.65%。实验结果表明,PCABC并行人工蜂群算法在处理高维度复杂函数时,收敛速度和算法运行时间都有较大的提升。     

基于差分进化和人工蜂群混合策略的DV-Hop改进算法

为了解决无线传感器网络依靠DV-Hop算法定位过程中存在误差偏高的问题,将人工蜂群算法和差分进化算法融合,引入传统DV-Hop算法中,提出一种HDV-Hop算法。该算法在继承经典DV-Hop算法的前提下,获取锚节点的信息及平均跳距距离,在未知节点定位阶段引入混合策略的目标函数,优化搜索算法,提高定位精度,完成对未知节点的定位。仿真分析表明,该算法相比于DV-Hop算法和基于人工蜂群的定位算法能有效降低定位误差,提高稳定性。     

分布更新人工蜂群算法及其在灰度图像分割中的应用

与其他进化算法相同,人工蜂群算法也会在搜索后期由于无法产生新位置而出现搜索停滞现象.基于此弱点,本文以两个食物源的中心位置为基准点,两者之间的方差为前进步长,提出一种基于分布更新的人工蜂群算法.此外,针对雇佣蜂和侦查蜂的不同特性,为其采用不同的食物源选择方式,使得算法既可以保证全局搜索,又可以加快收敛速度,标准测试函数上的实验结果验证了本文所提方法的有效性.最后,为解决传统灰度图像分割问题中由于暴力搜索所造成的耗时较长现象,本文以最大类间方差法(OTSU)作为评价准则,采用智能优化算法来寻找最优阈值.实验结果表明,本文所提出的改进人工蜂群算法不仅可以缩短计算时间,同时也取得了比其他进化算法更高的分割精度.     

基于改进人工蜂群算法的盲源分离方法

 针对现有盲源分离方法大多存在收敛速度慢、分离精度低的问题,提出一种基于改进人工蜂群(Artificial Bee Colony,ABC)算法的盲信号分离方法.在ABC的邻域搜索公式中自适应调整步长,并加入全局最优解指导项,增强局部趋化性搜索能力.改进的ABC算法保持了ABC全局搜索和局部搜索之间的平衡,使ABC算法可以达到更好的寻优效果,从而提高盲源分离算法的分离精度和稳定性.实验结果表明,提出的改进盲源分离算法可以有效地分离线性瞬时混合信号.与其它算法相比,该算法具有更优异的分离性能,并具有更快的收敛速度.     

改进人工蜂群算法的云计算资源调度模型

针对传统资源调度算法存在资源利用率低等缺陷,提出一种基于改进人工蜂群算法的云计算资源调度模型(IABC).首先建立云计算资源调度问题的数学模型,然后采用人工蜂群算法进行求解,并将个体当前最优值及随机向量引入到蜂群搜索过程中,加快搜索速度,提高搜索能力,最后找到云计算资源调度的最优方案,并采用仿真实验验证算法的有效性.仿真结果表明,IABC算法不仅解决了传统资源调度算法存在的缺陷,提高了云计算资源利用率,而且大幅度减少了任务的完成时间.     

基于改进人工蜂群算法的认知抗干扰智能决策技术研究

在认知抗干扰系统中,智能决策是其核心,根据干扰环境,对系统的干扰抑制方式、频谱资源分配、调制编码方式和功率调整信息进行最优决策。人工蜂群算法（Artificial Bee Colony,ABC）相较于其他群体智能算法全局寻优速度更快,设置参数少、灵活,易与其他技术结合改进原算法,实用性更广泛,但ABC算法同样有其局限性,如局部搜索能力较弱、后期收敛速度慢等。针对复杂干扰环境下对离散参数的决策,本文设计了一种基于改进人工蜂群算法的认知抗干扰智能决策引擎,分析了引擎模型,根据系统效能设计了目标函数和染色体,阐述了决策实现步骤,优化了决策参数,提出了按基因组搜索的改进算法;通过对系统抗干扰性能的仿真,验证了与未采用智能决策的抗干扰系统相比,采用本文提出的智能决策引擎的认知抗干扰系统在干扰环境中不仅具有强抗干扰性能,而且在保证通信传输可靠性的前提下,具有较低的发射功率和高传输效率,与采用传统人工蜂群算法和遗传算法的决策引擎相比,基于改进人工蜂群算法的决策引擎平均收敛代数更少且最优解概率更高。      

人工蜂群算法研究综述

人工蜂群算法是近年来群智能方向的研究热点.首先介绍了蜂群算法的思想,然后从Markov链角度证明了蜂群算法的收敛性,从算法改进和算法应用两个方面对蜂群算法的研究现状进行了总结,与其他算法进行了优缺点的对比,最后指出了蜂群算法进一步研究的方向.     

改进的人工蜂群算法在复杂函数优化中的应用

为快速准确地优化复杂函数,通过引入自适应竞争机制来改进基本人工蜂群算法,并将其应用到复杂函数优化中,实验结果表明该方法在求解速度和精度上明显优于基于遗传算法和基本人工蜂群算法的函数优化方法。     

基于改进人工蜂群算法的多阈值红外图像分割

针对传统的多阈值红外图像分割中多阈值选取存在的效率低、计算重复等问题,提出了一种基于改进人工蜂群算法的多阈值红外图像快速分割算法.首先,在阈值选取时引入人工蜂群算法,实现多阈值的选取.然后,针对原始人工蜂群算法存在的收敛速度慢、容易陷入局部最优的缺点,分别从引领蜂搜索、跟随蜂搜索和侦察蜂搜索3个方面进行了改进,使其更快、更准地收敛于最优解.实验表明,相比于原始人工蜂群算法,改进后的算法在精度相同时速度更快,迭代次数相同时结果更接近最优解.该算法能够在保证精度的前提下高效地对红外图像进行多阈值分割,是一种可行的红外图像分割方法.     

基于改进人工蜂群算法的认知无线电频谱分配

认知无线电是一种提高频谱利用率的新技术.认知无线电系统中,动态频谱分配技术在利用闲置频谱资源上发挥关键作用.本文介绍了频谱分配的图论着色模型,提出一种改进的蜂群算法.基本人工蜂群算法存在搜索精度不高和收敛速度较慢的问题,本文改进的人工蜂群算法引入了基于差分进化算法的搜索策略和高斯变异的侦察策略,并且对选择策略进行改进,提高了种群的多样性.将改进的蜂群算法应用于频谱分配模型中,实验结果表明,改进的人工蜂群算法可以得到更好的系统收益,加快了收敛速度.     

改进的人工蜂群算法求解任务指派问题

针对指派问题提出了一种改进的人工蜂群算法.该算法充分考虑到指派问题解的离散性特点,给出了食物源位置的离散编码方法,并且采用邻域移动法生成候选食物源,这一方法既保证了解的可行性,又增加了食物源的多样性.实算表明在求解指派问题时,该算法比原人工蜂群算法在求解精度和收敛速度上都有显著地提高,两性能也优于其他粒子群算法.这种改进的离散人工蜂群算法简洁,应用方便,不但是一种有效求解指派问题的新算法,同时也为其他组合优化问题求解提供了一种有益思路.     

一种快速高效的人工蜂群算法

针对人工蜂群算法收敛速度慢和易陷入局部最优的缺点,在雇佣蜂搜索阶段提出了一种基于多维搜索和一维搜索的混合搜索策略,能克服单一一维搜索下收敛速度慢的缺点,有效加快收敛速度;提出了新的跟随蜂蜜源选择策略,可保证种群多样性,增强算法全局搜索能力。通过对12个基准测试函数进行仿真实验并与原算法进行比较,其结果表明改进的算法在收敛速度和精度上均优于人工蜂群算法。     

基于差分演化二进制人工蜂群算法的多用户检测

最优多用户检测属于NP组合优化问题,人工蜂群算法作为一种简单有效的新兴启发式算法可以有效求解此类问题。针对基本二进制人工蜂群算法收敛速度慢、易陷入局部最优等缺陷,提出了一种基于差分演化的二进制人工蜂群算法,并应用于最优多用户检测中。算法采用多维邻域搜索策略,避免了连续域到离散域的转换,降低了算法复杂度,适合于实时处理。仿真结果表明,所提算法在抗多址干扰能力、抗"远近"效应能力和收敛性能方面均优于基本二进制人工蜂群算法。     

基于人工蜂群算法的工艺规划方法研究

为合理利用制造资源、缩短开发周期、降低生产成本、提高产品质量,本文针对离散制造行业的工艺规划方法进行了研究.在考虑资源工艺能力、状态以及工序优先关系对工艺方案可行性的约束的基础上,建立了多目标非线性的零件工艺规划模型,对零件工艺方案的质量、成本、工期、环境消耗等多个维度进行了优化,并利用改进的人工蜂群算法对模型进行了求解.最后通过一个代表性的实例证明了模型及算法的有效性.     

基于人工蜂群算法的船舶运动模型参数离线辨识

为准确、有效辨识出船舶运动模型的参数,以构建精确的船舶运动模型,将群智能优化算法中的人工蜂群算法引入到船舶运动模型的参数辨识。将船舶运动模型参数辨识问题转化为一个多维变量函数优化问题,分析了人工蜂群算法求解船舶运动模型参数辨识的适应性;给出了采用人工蜂群算法进行船舶运动模型参数辨识的流程。以响应型船舶运动模型参数辨识为例,仿真研究显示,将船舶运动模型参数辨识问题转化成优化问题,通过人工蜂群算法对构建的误差准则目标函数的优化,能够快速找到使得目的函数最优的一组变量,该变量即为辨识得到的模型参数。研究过程及结果表明,文中的技术路线简明且适用,是一种有效的计算机辅助船舶运动模型参数离线辨识方案。