×
阿尔肯·尤特库兰;埃达尔·埃梅尔

一种用于全局优化的自适应人工蜂群算法。 （英语） Zbl 1410.90284号

申请。数学。计算。 271, 1004-1023 (2015).
人工蜂群算法（ABC）是最近引入的一种基于群体的元神经算法。ABC模拟蜜蜂群的觅食行为。已知原始ABC算法的开发性能较差。为了解决这个问题，本文提出了一种自适应人工蜂群算法（AABC），该算法采用了文献中成功使用的六种不同搜索规则。因此，AABC得益于在整个搜索过程中使用不同的搜索和信息共享技术。应用概率选择来确定生成候选解决方案时使用的搜索规则。使用轮盘赌技术，根据搜索规则的先验性能，进一步更新选择给定搜索规则的概率。此外，引入了与重置选择概率的最大移动次数相对应的内存长度。实验使用了著名的变维基准问题来比较AABC和其他有效的ABC变体。计算结果表明，提出的AABC优于其他新的ABC变体。

引用于三文件

MSC公司：

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
65千5 数值数学规划方法

关键词：

人工蜂群算法;自适应搜索;全局优化

软件：

基础知识;hABCDE
PDF格式BibTeX公司 XML格式引用
\textit｛A.Yurtkuran｝和\textit｛E.Emel｝，应用。数学。计算。2711004-1023（2015年；兹比尔1410.90284）
全文： 内政部

参考文献：

[1] 布鲁姆，C。；Li，X.，优化中的群智能，43-85（2008），施普林格：施普林格柏林，海德堡
[2] Bonabeau，E。；多里戈，M。；Theraulaz，G.，《群体智能：从自然系统到人工系统》（1999），牛津大学出版社·Zbl 1003.68123号
[4] 多里戈，M。；马尼佐，V。；Colorni，A.，《蚂蚁系统：通过协作代理群体进行优化》，IEEE Trans。系统。人类网络。，B部分：网络。，26, 29-41 (1996)
[5] 肯尼迪，J。；Eberhart，R.，粒子群优化，（IEEE神经网络国际会议论文集。IEEE国际神经网络会议论文集，澳大利亚珀斯（1995）），1942-1948
[6] Yang，X.S.，《萤火虫算法、随机测试函数和设计优化》，国际生物科学杂志。计算。，2, 78-84 (2010)
[7] Passino，K.M.，分布式优化和控制细菌觅食的生物模拟，IEEE Contr。系统。Mag.，22，52-67（2002）
[8] 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》，J.Global Optim。，39, 459-471 (2007) ·Zbl 1149.90186号
[9] 卡拉博加，D。；Gorkemli，B。；Ozturk，C。；Karaboga，N.，《综合调查：人工蜂群（ABC）算法和应用》，Artif。智力。修订版，42，1，1-37（2012）
[10] 卡拉博加，D。；Akay，B.，人工蜂群算法的比较研究，应用。数学。计算。，214, 108-132 (2009) ·Zbl 1169.65053号
[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, 687-697 (2008)
[12] Alatas，B.，用于全局数值优化的混沌蜂群算法，专家系统。申请。，37, 5682-5687 (2010)
[13] Banharnsakun，A。；Achalakul，T。；Sirinaovakul，B.，《人工蜂群算法中的最佳so-far选择》，应用。软计算。，112888-2901（2011年）
[14] 高，W。；Liu，S.，用于全局优化的改进人工蜂群算法，Inf.Process。莱特。，111871-882（2011年）·Zbl 1260.68457号
[15] 朱，G。；Kwong，S.，Gbest引导的数值函数优化人工蜂群算法，应用。数学。计算。，217, 3166-3173 (2010) ·Zbl 1204.65074号
[16] 李·G。；牛，P。；Xiao，X.，用于数值函数优化的高效人工蜂群算法的开发与研究，应用。软计算。，12, 320-332 (2012)
[17] Kang，F。；Li，J.等人。；Ma，Z.，用于数值函数精确全局优化的Rosenbrock人工蜂群算法，信息科学。，181, 3508-3531 (2011) ·Zbl 1242.65124号
[18] 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。，13, 3763-3775 (2013)
[19] Xu，Y。；风扇，P。；袁，L.，一种简单有效的人工蜂群算法，数学。问题工程，2013（2013）
[20] 阿凯，B。；Karaboga，D.，用于实际参数优化的改进人工蜂群算法，Inf.Sci。，192, 120-142 (2012)
[21] Bansal，J.C。；Sharma，H。；Arya，K。；Nagar，A.，人工蜂群算法中的模因搜索，软计算。，17, 1911-1928 (2013)
[22] Xiang，W.-L。；An，M.-Q.，一种用于数值优化的高效且鲁棒的人工蜂群算法，计算。操作。研究，40，1256-1265（2013）·Zbl 1352.90108号
[23] Liao，T。；艾迪恩，D。；Stützle，T.，《用于连续优化的人工蜂群：实验分析和改进》，Swarm Intell。，7, 327-356 (2013)
[24] 邱，J。；Wang，J。；Yang，D。；Xie，J.，具有改进搜索策略的全局数值优化人工蜂群算法，J.Theor。申请。技术信息。，48293-302（2013）
[25] 比斯瓦斯，S。；达斯，S。；德乔杜里，S。；Kundu，S.，通过觅食者迁移共同进化蜂群：用于全球搜索空间的基于多温的人工蜂群算法，应用。数学。计算。，232, 216-234 (2014) ·Zbl 1410.90256号
[26] 高，W.-F。；Liu，S.-Y。；黄，L.-L.，使用更多基于信息的搜索方程增强人工蜂群算法，信息科学。，270, 112-133 (2014) ·Zbl 1341.68201号
[27] Xiang，W。；马，S。；An，M.，hABCDE：一种基于人工蜂群算法和差分进化的混合进化算法，应用。数学。计算。，238, 370-386 (2014) ·Zbl 1334.90216号
[28] 潘，Q.-K。；Fatih Tasgetiren，M。；Suganthan，P.N。；Chua，T.J.，批量流流水车间调度问题的离散人工蜂群算法，信息科学。，181, 2455-2468 (2011)
[29] 李俊秋。；潘，Q.-K。；Gao，K.-Z.，多目标柔性车间调度问题的基于Pareto的离散人工蜂群算法，国际先进制造技术杂志。，55, 1159-1169 (2011)
[30] 泽托，W。；Wu，Y。；Ho，S.C.，用于容量受限车辆路径问题的人工蜂群算法，Eur.J.Oper。研究，215126-135（2011）
[31] Yurtkuran，A。；Emel，E.，p中心问题的改进人工蜂群算法，科学。《世界期刊》（2014），http://dx.doi.org/
[32] 高，W.-F。；Liu，S.-Y。；蒋，F.，用于混沌系统轨道定向的改进人工蜂群算法，应用。数学。计算。，218, 3868-3879 (2011) ·Zbl 1244.65234号
[33] Hong，W.C.，利用季节性递归SVR（支持向量回归）和混沌人工蜂群算法进行电力负荷预测，能源，36，5568-5578（2011）
[34] Kumar，S.K。；蒂瓦里，M。；Babiceanu，R.F.，《使用计算智能方法将供应链成本与嵌入风险最小化》，国际生产研究杂志，4833717-3739（2010）·兹比尔1197.90146
[35] 辛格，A。；Sundar，S.，最小路由成本生成树问题的人工蜂群算法，软计算。，15, 2489-2499 (2011)
[36] Yeh，W.C。；Hsieh，T.-J.，生化网络近似S系统模型的人工蜂群算法-神经网络，神经计算。申请。，21, 365-375 (2012)
[37] 布雷斯特，J。；格雷纳，S。；博斯科维奇，B。；默尼克，M。；Zumer，V.，《微分进化中的自适应控制参数：数值基准问题的比较研究》，IEEE Trans。埃沃。计算。，10, 646-657 (2006)
[38] 秦，A.K。；黄，V.L。；Suganthan，P.N.，具有全局数值优化策略自适应的差分进化算法，IEEE Trans。埃沃。计算。，13, 398-417 (2009)
[39] 詹，Z.-H。；张杰。；李毅。；Chung，H.-H.，自适应粒子群优化，IEEE Trans。系统。人类网络。，B部分：网络。，39, 1362-1381 (2009)
[40] 高，W.-F。；Liu，S.-Y.，一种改进的人工蜂群算法，计算。操作。研究，39，687-697（2012）·Zbl 1251.90006号
[41] 高，W。；Chan，F.T。；黄，L。；Liu，S.，带参数自适应和基于拟合邻域的裸骨人工蜂群算法，信息科学。，316, 180-200 (2015)
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。