×
郑建国;张超群;周永泉

人工蜂群算法结合手榴弹爆炸法和柯西算子进行全局优化。 （英语） Zbl 1394.90589号

数学。问题。工程师。 2015年，文章ID 739437，14 p.（2015）.
人工蜂群（ABC）算法是受蜜蜂智能觅食行为启发而产生的一种流行的群体智能技术。然而，ABC擅长勘探，但不擅长开发，其收敛速度在某些情况下也是一个问题。为了提高ABC的性能，提出了一种将手榴弹爆炸法（GEM）和柯西算子相结合的新型ABC，即ABCGC。创业板嵌入旁观者阶段，提升ABCGC的开发能力，加速收敛；同时，将Cauchy算子引入到侦察蜂阶段，帮助ABCGC逃离局部最优解，进一步提高其探测能力。使用两组著名的基准函数来验证ABCGC的更好性能。实验证明，ABCGC明显优于ABC和其他竞争对手；特别是在大多数情况下，它更快地收敛到全局最优。这些结果表明，ABCGC通常在开采和勘探之间实现了良好的平衡，可以有效地作为全局优化的替代方案。

理学硕士：

90 C59 数学规划中的近似方法和启发式
90C26型 非凸规划，全局优化

软件：

基础知识
PDF格式BibTeX公司 XML格式引用
\textit{J.-G.Zheng}等人，数学。问题。Eng.2015，文章ID 739437，14 p.（2015；Zbl 1394.90589）
全文： 内政部

参考文献：

[1] Kashan，M.H。；Nahavandi，N。；Kashan，A.H.，DisABC：用于二进制优化的新型人工蜂群算法，应用软计算，12，1，342-352，（2012）·doi:10.1016/j.asoc.2011.08.038
[2] 卡拉博加，D。；Akay，B.，《人工蜂群算法的比较研究》，应用数学与计算，214，1，108-132，（2009）·Zbl 1169.65053号 ·doi:10.1016/j.amc.2009.03.090
[3] Tasgetiren，M.F。；潘，Q.-K。；Suganthan，P.N。；Oner，A.，用离散人工蜂群算法求解具有总延误准则的无空闲置换flowshop调度问题，应用数学建模，37，10-11，6758-6779，（2013）·Zbl 1426.90141号 ·doi:10.1016/j.apm.2013.02.011
[4] 卡拉博加，D.，《基于蜜蜂群的数值优化思想》，TR06，（2005），土耳其凯塞里：土耳其凯塞利埃西耶斯大学工程学院计算机工程系
[5] 卡拉博加，D。；阿凯，B。；Ozturk，C.，用于训练前馈神经网络的人工蜂群（ABC）优化算法，人工智能建模决策，4617，318-329，（2007），德国柏林：施普林格，德国柏林
[6] 阿凯，B。；Karaboga，D.，《使用人工蜂群算法解决整数规划问题》，AIIA 2009：人工智能的新兴视角。AIIA 2009：《人工智能中的新兴观点》，计算机科学讲义，5883，355-364，（2009），德国柏林：德国柏林斯普林格·doi:10.1007/978-3-642-10291-236
[7] Ozturk，C。；Hancer，E。；Karaboga，D.，用改进的二进制人工蜂群算法进行动态聚类，应用软计算杂志，28，69-80，（2015）·doi:10.1016/j.asoc.2014.11.040
[8] 卡拉博加博士。；Akay，B.，用于约束优化问题的改进人工蜂群（ABC）算法，应用软计算，11，3，3021-3031，（2011）·doi:10.1016/j.asoc.2010.12.001
[9] 阿凯，B。；Karaboga，D.，用于实际参数优化的改进人工蜂群算法，信息科学，192120-142，（2012）·doi:10.1016/j.ins.2010.07.015
[10] 卡拉博加，D。；Basturk，B.，《数值函数优化的一种强大而有效的算法：人工蜂群（ABC）算法》，《全局优化杂志》，39，3，459-471，（2007）·Zbl 1149.90186号 ·数字对象标识代码：10.1007/s10898-007-9149-x
[11] 卡拉博加，D。；Basturk，B.，《关于人工蜂群（ABC）算法的性能》，应用软计算，8，1，687-697，（2008）·doi:10.1016/j.asoc.2007.05.007
[12] 比斯瓦斯，S。；达斯，S。；Debchoudhury，S。；Kundu，S.，通过觅食者迁移共同进化蜂群：一种基于多温的全球搜索空间人工蜂群算法，应用数学与计算，232，216-234，（2014）·Zbl 1410.90256号 ·doi:10.1016/j.amc.2013.12.023
[13] 朱国平。；Kwong，S.，用于数值函数优化的Gbest引导人工蜂群算法，应用数学与计算，217，7，3166-3173，（2010）·Zbl 1204.65074号 ·doi:10.1016/j.amc.2010.08.049
[14] 高，W.-F。；Liu，S.-Y。；黄，L.-L.，采用鲍威尔方法的新型人工蜂群算法，应用软计算杂志，13，9，3763-3775，（2013）·doi:10.1016/j.asoc.2013.05.012
[15] 高，W.-F。；Liu，S.-Y。；Huang，L.-L.，用于全局优化的全局最佳人工蜂群算法，计算与应用数学杂志，236，11，2741-2753，（2012）·Zbl 1241.65058号 ·doi:10.1016/j.cam.2012.01.013
[16] 高，W.-F。；Liu，S.-Y。；黄，L.-L.，基于改进搜索方程和正交学习的新型人工蜂群算法，IEEE控制论汇刊，43，3，1011-1024，（2013）·doi:10.1109/tsmcb.2012.222373
[17] 高，W。；Chan，F.T。；黄，L。；Liu，S.，带参数自适应和基于拟合的邻域的裸骨人工蜂群算法，信息科学，316180-200，（2015）·doi:10.1016/j.ins.2015.04.006
[18] 张，C.-Q。；郑建国。；周永清，受手榴弹爆炸法启发的两种改进的人工蜂群算法，神经计算，151，31198-1207，（2015）·doi:10.1016/j.neucom.2014.04.082
[19] Chaves-González，J.M。；佩雷斯·托莱达诺，硕士。；Navasa，A.，《使用多目标群体智能进化算法进行软件需求优化》，基于知识的系统，83，105-115，（2015）·doi:10.1016/j.knosys.2015.03.012
[20] 梁，J。；Lee，C.，优化问题的改进人工蜂群算法，工程数学问题，2015，（2015）·doi:10.1155/2015/581391
[21] 科兰，M.S。；Fándák，O.，一种定向人工蜂群算法，应用软计算，26，454-462，（2015）·doi:10.1016/j.asoc.2014.10.020
[22] Ahrari，A。；Shariat-Panahi，M。；Atai，A.A.，GEM：一种改进邻域搜索的新型进化优化方法，应用数学与计算，210，2，376-386，（2009）·Zbl 1162.90525号 ·doi:10.1016/j.amc.2009.01.009
[23] Ahrari，A。；Atai，A.A.，《手榴弹爆炸法——一种新的多模态函数优化工具》，《应用软计算杂志》，10，4，1132-1140，（2010）·doi:10.1016/j.asoc.2009.11.032
[24] Ahrari，A。；Ahrari，R.，《关于随机生成函数在进化算法性能评估中的效用》，《优化快报》，4，4，531-541，（2010）·Zbl 1202.90274号 ·doi:10.1007/s11590-010-0181-2
[25] Ahrari，A。；Saadatmand，M.R。；Shariat-Panahi，M。；Atai，A.A.，《关于评估进化算法稳健性的经典基准函数的局限性》，应用数学与计算，215，9，3222-3229，（2010）·Zbl 1183.65061号 ·doi:10.1016/j.ac.2009.10.009
[26] 姚，X。；刘，Y。；Lin，G.-M.，《进化编程变得更快》，IEEE进化计算汇刊，3，2，82-102，（1999）·doi:10.1109/4235.771163
[27] 阿克巴里，R。；Mohammadi，A。；Ziarati，K.，用于数值函数优化的新型蜂群优化算法，《非线性科学与数值模拟中的通信》，15，10，3142-3155，（2010）·Zbl 1222.90082号 ·doi:10.1016/j.cnsns.2009.11.003
[28] 周，Y。；李，X。；Gao，L.，具有交叉变异算子的差分进化算法，应用软计算杂志，13，1390-401，（2013）·doi:10.1016/j.asoc.2012.08.014
[29] Das，K.N。；Singh，T.K.，果蝇食物搜索优化，应用数学与计算，231566-580，（2014）·Zbl 1410.90257号 ·doi:10.1016/j.ac.2014.01.040
[30] 李玉英。；焦立中。；李，P.-D。；Wu，B.，用于全局优化的混合模因算法，神经计算，134132-139，（2014）·doi:10.1016/j.neucom.2012.12.068
[31] 张，L。；Tang，Y。；华，C。；Guan，X.，一种基于贝叶斯技术的具有自适应惯性权重的新粒子群优化算法，应用软计算杂志，28，138-149，（2015）·doi:10.1016/j.asoc.2014.11.018
[32] Dong，F.-F。；刘，D.-C。；吴杰。；Ke，L。；宋，C。；Wang，H。；朱忠，基于电网生存能力构建核心骨干网，国际电力与能源系统杂志，67161-167，（2015）·doi:10.1016/j.ijepes.2014.10.056
[33] Rao，R.V。；萨夫萨尼，V.J。；Vakharia，D.P.，《基于教学的优化：连续非线性大规模问题的优化方法》，信息科学，183，1-15，（2012）·doi:10.1016/j.ins.2011.08.06
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。