×
张明；田娜娜；瓦西里宫；季志成；王燕

高斯分布蜂窝人工蜂群算法。 （英语） Zbl 1440.68350号

信息科学。 462, 374-401 (2018).
摘要：人工蜂群（ABC）算法在处理各种优化问题方面表现出了竞争力。然而，尽管它具有强大的全局搜索能力，但它的收敛速度很慢，并且失去了开发与探索之间的平衡。为了弥补这一不足，本文提出了一种基于高斯搜索方程和局部吸引子的细胞结构邻域，并在实证分析后重新定义了ABC算法的概率计算。该算法称为CGABC-Cellular邻域，具有高斯分布ABC。细胞自动机（CA）模型可以在保持种群多样性的同时保持个体与特定邻居的交互。基于高斯的搜索方程与局部吸引子相结合可以帮助局部开发搜索空间，基于秩排序的改进概率计算可以使围观蜜蜂的选择更加稳健和适当。基于概率度量空间理论，对CGABC算法的全局收敛性进行了理论分析，结果表明CGABC算法将收敛到全局最优。该算法在一组基准函数和三个实际问题（“Lennard-Jones势问题”、“调频声波合成问题”和“特征选择问题”）上进行了测试，结果表明，与其他ABC变体和基于群的进化算法（EA）相比，我们提出的策略有助于ABC实现更高的准确性和更快的收敛速度。

引用于三文件

MSC公司：

68瓦50 进化算法、遗传算法（计算方面）
68问题80 细胞自动机（计算方面）
68T20型 人工智能背景下的问题解决（启发式、搜索策略等）
90 C59 数学规划中的近似方法和启发式

关键词：

人工蜂群；细胞自动机；高斯分布；概率计算

软件：

UCI-毫升；中国电子05；基础知识；玉
PDF格式BibTeX公司 XML格式引用
\textit{M.Zhang}等人，《信息科学》。462374-401（2018年；兹比尔1440.68350）
全文： 内政部 链接

参考文献：

[1] 艾本，A.E。；Smith，J.E.，进化计算导论（2003），Springer·Zbl 1028.68022号
[2] R.Chelouah。；Patrick，S.，设计用于多峰函数全局优化的连续遗传算法，J.Heurist。，6, 2, 191-213 (2000) ·Zbl 0969.68641号
[3] 斯托恩，R。；Price，K.，《差分进化——连续空间上全局优化的一种简单有效的启发式算法》，J.Glob。最佳。，11, 4, 341-359 (1997) ·Zbl 0888.90135号
[4] Kennedy，J.，《粒子群优化》，《机器学习百科全书》，760-766（2011），斯普林格出版社
[5] 卡拉博加，D.，《基于蜜蜂群的数值优化思想》，《技术报告》（2005），土耳其梅利加西埃西耶斯大学
[6] 卡拉博加，D。；Basturk，B.，一种强大而有效的数值函数优化算法：人工蜂群（abc）算法，J.Glob。最佳。，39, 3, 459-471 (2007) ·Zbl 1149.90186号
[7] Rajasekhar，A。；Lynn，N。；达斯，S。；Suganthan，P.N.，《蜜蜂集体智能计算——一项调查》，《蜂群进化》。计算。，32，25-48（2017）
[8] 朱国平。；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, 7, 3166-3173 (2010) ·Zbl 1204.65074号
[9] Gao，W.F。；Liu，S.Y.，用于全局优化的改进人工蜂群算法，Inf.Process。莱特。，111, 17, 871-882 (2011) ·Zbl 1260.68457号
[10] Gao，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，J.Compute。申请。数学。，236, 11, 2741-2753 (2012) ·Zbl 1241.65058号
[11] 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
[12] Dos Santos Coelho，L。；Alotto，P.，高斯人工蜂群算法应用于Loney螺线管基准问题，IEEE Trans。马格纳。，47, 5, 1326-1329 (2011)
[13] Gao，W.F。；Chan，F.T。；黄，L.L.，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)
[14] 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，C，851-861（2015）
[15] 匡，F.J。；Z.Jin。；Xu，W.H.，基于帐篷映射的新型混沌人工蜂群算法，进化计算（CEC），2014年IEEE大会，235-241（2014），IEEE
[16] 石义杰。；潘，C.M。；Hu，H.D.，一种改进的人工蜂群及其应用，Knowl。基于系统。，107，C，14-31（2016）
[17] Gao，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。赛博。，43, 3, 1011-1024 (2013)
[18] 康，F。；Li，J.J。；Ma，Z.Y.，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, 16, 3508-3531 (2011) ·兹比尔1242.65124
[19] 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, 4, 1781-1791 (2013)
[20] 卡拉博加，D。；Gorkemli，B.，用于优化问题的快速人工蜂群-qABC算法，智能系统和应用创新（INISTA），2012年国际研讨会，1-5（2012），IEEE
[21] 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)
[22] 科兰，M.S。；Fándák，O.，定向人工蜂群算法，应用。软计算。，26，C，454-462（2015）
[23] Li，X.N。；杨，G.F.，带记忆的人工蜂群算法，应用。软计算。，41，C，362-372（2016）
[24] Kiran，M.S。；Hakli，H。；Gunduz，M.，用于连续优化的可变搜索策略的人工蜂群算法，信息科学。，300, 140-157 (2015)
[25] Wolfram，S.，《一种新的科学》（2002），Wolfram Media Champaign·Zbl 1022.68084号
[26] 冯·诺依曼，J。；Burks，A.W.，《自生自动机理论》，IEEE Trans。神经网络。，5, 1, 3-14 (1966)
[27] Kutrib，M.，细胞自动机——一种计算观点，形式语言和应用的新发展113183-227（2008）·Zbl 1156.68488号
[28] E.阿尔巴。；Troya，J.，《细胞进化算法：评估比率的影响》，《自然并行问题解决》（PPSN VI），29-38（2000），Springer
[29] F.J.索利斯。；Wets，R.J.，《随机搜索技术最小化》，数学。操作。第6、1、19-30号决议（1981年）·Zbl 0502.90070
[30] 刘海波。；亚伯拉罕。；Snášel，V.，群算法的收敛性分析，自然与生物启发计算，2009（NaBIC 2009），世界大会，1714-1719（2009），IEEE
[31] Suganthan，P.N。；汉森，N。；Liang，J.J.，《2005年CEC实时参数优化特别会议的问题定义和评估标准》，技术报告（2005），新加坡南洋理工大学
[32] 达斯，S。；Suganthan，P.N.，《2011年CEC测试现实世界优化问题进化算法竞赛的问题定义和评估标准》，技术报告（2010年），印度加尔各答雅达布尔大学南洋理工大学
[33] Asl，M.G。；Mobasheri，M.R。；Mojaradi，B.，高光谱图像原型空间中使用几何测量的无监督特征选择，IEEE Trans。地质科学。遥感，52，7，3774-3787（2014）
[34] 达什，M。；Liu，H.，分类特征选择，Intell。数据分析。，1, 1-4, 131-156 (1997)
[35] Lichman，M.，UCI机器学习库（2013）
[36] 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。进化。计算。，10, 6, 646-657 (2006)
[37] 张杰。；Sanderson，A.C.，Jade：具有可选外部存档的自适应差分进化，IEEE Trans。进化。计算。，13, 5, 945-958 (2009)
[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。，13, 2, 398-417 (2009)
[39] 门德斯，R。；肯尼迪，J。；Neves，J.，《完全知情的粒子群：更简单，也许更好》，IEEE Trans。进化。计算。，204-210年8月3日（2004年）
[40] Ratnaweera，A。；Halgamuge，S.K。；Watson，H.C.，具有时变加速系数的自组织分层粒子群优化算法，IEEE Trans。进化。计算。，8, 3, 240-255 (2004)
[41] Liang，J.J。；秦，A.K。；Suganthan，P.N。；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)
[42] De Oca，M.A.M。；Stutzle，T。；比拉塔里，M。；Dorigo，M.，Frankenstein的PSO：复合粒子群优化算法，IEEE Trans。进化。计算。，13, 5, 1120-1132 (2009)
[43] 詹，Z.-H。；张杰。；李毅。；石永华，正交学习粒子群优化，IEEE Trans。进化。计算。，15, 6, 832-847 (2011)
[44] Kennedy，J.，赤骨粒子群，群体智能研讨会，2003年。SIS’03。2003年IEEE会议记录，80-87（2003），IEEE
[45] 甘多米，A.H。；Yang，X.-S。；Alavi，A.H.，《布谷鸟搜索算法：一种解决结构优化问题的元启发式方法》，工程计算。，29, 1, 17-35 (2013)
[46] 崔，L。；李·G。；朱，Z。；林，Q。；Wen，Z。；卢，N。；Wong，K.-C。；Chen，J.，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，Inf.Sci。，414, 53-67 (2017) ·兹比尔1435.90153
[47] 宋，X。；严奇。；赵明，基于目标函数值信息的自适应人工蜂群算法，应用。软计算。，55384-401（2017）
[48] 陈，H。；马，L。；他，M。；王，X。；X·梁。；Sun，L。；Huang，M.，基于蜜蜂生命周期的静态和动态优化人工蜂群优化器，IEEE Trans。系统。人类网络。系统。，47, 2, 327-346 (2017)
[49] 詹振华。；张杰。；Li，Y.，自适应粒子群优化，IEEE Trans。系统。人类网络。，39, 6, 1362-1381 (2009)
[50] 方，W。；Sun，J。；Chen，H.H.，一种基于细胞结构种群的分散量子激励粒子群优化算法，信息科学。，330, 19-48 (2016)
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。