×
崔来忠;李耿辉;朱泽轩;林秋珍;温振坤;鲁，南;王家春;陈建勇

一种用于数值函数优化的具有自适应种群大小的新型人工蜂群算法。 （英语） 兹比尔1435.90153

信息科学。 414, 53-67 (2017).
人工蜂群（ABC）算法是进化算法（EA）的一个新分支，其灵感来源于真实蜜蜂群体的集体觅食行为。由于其觅食模型和求解搜索方程，ABC在勘探中表现较好，但在开采中表现较差。为了解决这个问题，并在勘探和开发之间取得良好的平衡，本文主要在ABC中引入一种人口规模自适应方法（AMPS）。AMPS的灵感来自一个自然原理，即人口规模受粮食资源可用性的影响。当粮食资源丰富时，人口往往会扩大；否则，粮食资源的可利用性下降会导致人口规模缩小。具体来说，当算法在探索中表现良好时，AMPS将通过定期删除一些成功率较低的劣质解决方案来缩小种群，以增强利用率。相比之下，AMPS将通过引入一些保留的解决方案来扩大人口，以改善勘探。此外，为了使AMPS性能更好，我们为雇佣蜜蜂和旁观者蜜蜂设计了一个新的解搜索方程。此外，我们还改进了围观蜜蜂的概率模型。通过将我们提出的三个算法组件嵌入到ABC中，我们提出了一种新的ABC变体，称为APABC。为了证明APABC的性能，我们在22个可扩展基准函数和30个CEC2014测试函数上，将APABC与一些最先进的ABC变体和一些其他非ABC方法进行了比较。仿真结果表明，APABC在解决方案质量、鲁棒性和收敛速度方面优于或至少优于竞争对手。

引用于4文件

MSC公司：

90 C59 数学规划中的近似方法和启发式
68瓦50 进化算法、遗传算法（计算方面）
90立方厘米 随机规划

关键词：

人工蜂群算法;勘探与开发;种群规模的自适应方法;解搜索方程;概率模型

软件：

KEEL公司;基础知识;hABCDE;中国电子13
PDF格式BibTeX公司 XML格式引用
\textit{L.Cui}等人，《信息科学》。414、53-67（2017年；Zbl 1435.90153）
全文： 内政部

参考文献：

[1] 亚伯拉罕。；Jatoth，R.K。；Rajasekhar，A.，混合差分人工蜂群算法，J.Compute。西奥。纳米科学。，9, 2, 249-257 (2012)
[2] Alcala-Fedez，J。；桑切斯，L。；加西亚，S。；德尔·耶稣，M.J。；文图拉，S。；加雷尔，J.M。；Otero，J。；罗梅罗，C。；百加得，J。；里瓦斯，V.M。；Fernandez，J.C。；Herrera，F.，KEEL：评估数据挖掘问题进化算法的软件工具，软计算。，13, 307-318 (2009)
[3] Babaoglu，I.，具有基于分布的更新规则的人工蜂群算法，应用。软计算，34，851-861（2015）
[4] 巴尼塔莱比，A。；阿齐兹，M.I.A。；巴哈，A。；Z.A.Aziz，《增强型紧凑型人工蜂群》，Inform。科学。，298, 491-511 (2015)
[5] 布雷斯特，J。；Mauácec，M.S.，差分进化算法的种群规模缩减，应用。智力。，29, 3, 228-247 (2008)
[6] Chang，W.L。；曾德忠。；程，R.C。；Guo，S.，《稀疏无线传感器网络中用于数据采集路径规划的人工蜂群算法》，Int.J.Mach。学习。网络。，6, 3, 375-383 (2015)
[7] 陈S.M。；Sarosh，A。；Dong，Y.F.，基于模拟退火的全局数值优化人工蜂群算法，应用。数学。计算。，219, 8, 3575-3589 (2012) ·Zbl 1311.65068号
[8] 陈博士。；赵春霞，具有自适应种群规模的粒子群优化算法及其应用，应用。软计算。，9, 1, 39-48 (2009)
[9] 崔丽珍。；Li，G.H。；林庆珍。；Chen，J.Y。；Lu，N.，在多个子种群中采用新变异策略的自适应差分进化算法，计算。操作。决议，67，155-173（2016）·Zbl 1349.90852号
[10] 崔丽珍。；Li，G.H。；林庆珍。；杜振华。；Gao，W.F。；陈建勇，一种新的具有深度优先搜索框架和精英引导搜索方程的人工蜂群算法，信息科学。，367-368, 1012-1044 (2016)
[11] Draa，A。；Bouzoubia，S。；Boukhalfa，I.，用于数值优化的正弦微分进化算法，应用。软计算。，2015年9月27日至126日
[12] Gao，W.F。；Chan，F.T.S。；黄，L.L。；Liu，S.Y.，带参数自适应和基于拟合的邻域的裸骨人工蜂群算法，Inform。科学。，316, 180-200 (2015)
[13] Gao，W.F。；黄，L.L。；Liu，S.Y。；Dai，C.，基于信息学习的人工蜂群算法，IEEE Trans。网络。，45, 12, 2827-2839 (2015)
[14] Gao，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
[15] Gao，W.F。；Liu，S.Y。；Huang，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)
[16] 高，W.F。；Liu，S.Y。；Huang，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 Trans。网络。，43, 1011-1024 (2013)
[17] Gao，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
[18] 汉森，N。；Ostermier，A.，《进化策略中的完全错乱的自我适应》，Evolut。计算。，9, 2, 159-195 (2001)
[19] Jadon，S.S。；Bansal，J.C。；蒂瓦里，R。；Sharma，H.，用自适应局部搜索加速人工蜂群算法，Memetic。公司。，7, 215-230 (2015)
[20] 贾亚拉克什米，B。；Singh，A.，用于合作最大覆盖位置问题的混合人工蜂群算法，Int.J.Mach。学习。&网络。，8, 2, 691-697 (2017)
[21] 康，F。；Li，J.J。；Li，H.J.，人工蜂群算法和模式搜索混合用于全局优化，应用。软计算。，13, 1781-1791 (2013)
[22] 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 Opt。，39, 459-471 (2007) ·Zbl 1149.90186号
[23] 卡拉博加，D。；Gorkemli，B.，一种快速人工蜂群（qABC）算法及其在优化问题上的性能，应用。软计算。，23, 227-238 (2014)
[24] Kiran，M.S。；Findik，O.，定向人工蜂群算法，应用。软计算。，26454-462（2015年）
[25] Kiran，M.S。；Hakli，H。；Guanduz，M。；Uguz，H.，用于连续优化的可变搜索策略的人工蜂群算法，Inform。科学。，300, 140-157 (2015)
[26] Lanzarini，L。；Leza，V。；Giusti，A.D.，《具有可变人口规模的粒子群优化、人工智能和软计算——ICAISC 2008》，（第九届国际会议，波兰扎科帕内，2008年6月22日至26日，会议记录（2008）），438-449
[27] Li，G.H。；崔立中。；Fu，X.H。；温，Z.K。；卢，N。；Lu，J.，带基因重组的数值函数优化人工蜂群算法，应用。软计算。，52, 146-159 (2017)
[28] Li，G.H。；林庆珍。；崔丽珍。；杜振华。；梁振平。；Chen，J.Y。；卢，N。；Ming，Z.，一种改进CoDE和JADE的新型混合差分进化算法，应用。软计算。，47, 577-599 (2016)
[29] Li，J.Q.（李建军）。；Pan，Q.K.，用混合人工蜂群算法求解具有有限缓冲区的大规模混合流水车间调度问题，Inform。科学。，316, 487-502 (2015)
[30] Liang，J.J。；秦，A.K。；Suganthan，PonnuthuraiNagaratnam；Baskar，S.，用于多模态函数全局优化的综合学习粒子群优化器，IEEE Trans。进化。计算。，10, 3, 281-295 (2006)
[31] Liang，J.J。；Qu，B.Y。；Suganthan，P.N.（2013），CEC 2014特别会议的问题定义和评估标准以及单目标实参数数值优化竞赛。技术报告，12月，南洋理工大学（新加坡）和郑州大学（中国）
[32] Liang，Y.S。；Wan，Z.P。；Fang，D.B.，用于解决约束优化问题的改进人工蜂群算法，Int.J.Mach。学习。网络。，8, 3, 739-754 (2017)
[33] 刘，L。；Song，Y。；张，H。；马，H。；Vasilakos，A.V.，《Physarum optimization：网络中steiner树问题的生物启发算法》，IEEE计算机事务，64，3，818-831（2015）
[34] Loubiere，P。；Jourdan，A。；Siarry，P。；Chelouah，R.，驱动人工蜂群算法搜索过程的敏感分析方法，应用。软计算。，41, 515-531 (2016)
[35] Lozano，M。；加西亚·马丁内斯，C。；罗德里格斯（F.J.Rodriguez）。；Trujillo，H.M.，《利用人工蜂群优化网络攻击》，Inform。科学。，377, 30-50 (2017)
[36] 罗，J。；王，Q。；Xiao，X.H.，基于收敛观测器方法的改进人工蜂群算法用于全局优化，应用。数学。计算。，219, 10253-10262 (2013) ·兹比尔1293.90051
[37] Maeda，M。；Tsuda，S.，用于全局优化的人工蜂群算法简化，神经计算，148，70-74（2015）
[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。进化。计算。，12, 1, 398-417 (2009)
[40] Shang，Y.W。；邱永华，关于扩展Rosenbrock函数的注记，Evol。计算。，14, 1, 119-126 (2006)
[41] Sharma，T.K。；Pant，M.，Shuffled人工蜂群算法，软计算。，1-20 (2016)
[42] Teng，N.S。；Teo，J。；Hijazi，M.H.A.，无调差分进化的自适应种群规模，软计算，13，7，709-724（2009）
[43] Wang，H。；吴振杰。；Rahnamayan，S。；Sun，H。；刘，Y。；Pan，J.S.，多策略集成人工蜂群算法，Inform。科学。，279, 587-603 (2014) ·Zbl 1354.68242号
[44] 吴，G.H。；Mallipeddi，R。；Suganthan，P.N。；王，R。；Chen，H.，基于多种群突变策略集成的差异进化，Inform。科学。，329, 329-345 (2016)
[45] 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
[46] Xiang，Y。；彭永明。；钟Y.B。；陈振毅。；卢，X.W。；Zhong，X.J.，一种基于粒子群的多智能人工蜂群算法，用于实际参数优化，计算。最佳方案。申请。，57, 493-516 (2014) ·Zbl 1304.90222号
[47] 杨，M。；李，C。；蔡振华。；关，J.，自增强种群多样性的差异进化，IEEE Trans。网络。，45, 2, 302-315 (2015)
[48] 赵，H。；裴，Z。；姜杰。；关，R。；王，C。；Shi，X.，一种基于遗传算法和人工蜂群的混合群智能方法，Lect。注释计算。科学。，614558-565（2010年）
[49] 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
[50] 朱伟。；Tang，Y。；Fang，J.A。；Zhang，W.B.，差分进化的自适应种群调整方案，Inform。科学。，223, 164-191 (2013)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。