×
周、新余;陆嘉欣;黄俊宏;钟茂盛;王明文

用多光制导增强人工蜂群算法。 （英语） Zbl 1475.68364号

信息科学。 543, 242-258 (2021).
人工蜂群（ABC）算法是一种相对较新的基于群体智能的优化技术范式，因其结构简单、性能优良而备受关注。然而，对于一些复杂的优化问题，由于其解搜索方程具有较强的探索性，但开发性较差，因此ABC的性能受到了挑战。为了解决这一缺陷，在本文中，我们提出了一种改进的ABC算法，该算法使用多精英指导，其优点是可以利用精英个体的宝贵信息来指导搜索，同时不会丢失种群多样性。首先，我们通过选择一些精英个体来构建一个精英群体，然后在精英群体的蜜蜂阶段和旁观者蜜蜂阶段分别引入两个改进的解搜索方程。最后，我们还利用精英群体开发了一种改进的邻域搜索算子，旨在在探索能力和开发能力之间实现更好的权衡。为了验证我们的方法，在实验中使用了50个著名的测试函数和一个实际优化问题，包括22个可扩展的基本测试函数和28个复杂的CEC2013测试函数。七种不同的成熟ABC变体参与了比较，结果表明，我们的方法可以在大多数测试函数上实现更好的或至少具有可比性的性能。

引用于4文件

MSC公司：

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;解搜索方程;多光制导;邻域搜索

软件：

元素等级;基础知识;中国电子13
PDF格式BibTeX公司 XML格式引用
\textit{X.Zhou}等人，《信息科学》。543、242--258（2021；Zbl 1475.68364）
全文： 内政部

参考文献：

[1] 卡拉弗提亚斯，G。；Hoogendoorn，M。；阿拉巴马州艾本。E.，进化算法中的参数控制：趋势和挑战，IEEE Trans。进化。计算。，19, 2, 167-187 (2014)
[2] 王振杰。；詹，Z.-H。；Zhang，J.，《解决无线传感器网络中的能效覆盖问题：一种具有分层适应度评估的分布式遗传算法方法》，《能源》，11，12，3526（2018）
[3] 马，Y.-N。；龚义杰（Gong，Y.-J.）。；肖，C.-F。；高，Y。；Zhang，J.，《自主水下机器人的路径规划：一种结合报警信息素的蚁群算法》，IEEE Trans。车辆。技术。，68, 1, 141-154 (2018)
[4] 杨，Z。；邱，H。；高，L。；蔡，X。；江，C。；Chen，L.，代价昂贵的约束优化问题的代理辅助分类协作差分进化，信息科学。，508, 50-63 (2020) ·Zbl 1456.90161号
[5] 彭，H。；郭，Z。；邓，C。；Wu，Z.，用随机邻域策略增强差分进化，J.Compute。科学。，26, 501-511 (2018)
[6] 彭，H。；Wu，Z.，杂合差分进化与田口局部搜索，Soft。计算。，2015年11月19日，3273-3291
[7] 刘，W。；王，Z。；刘，X。；曾，N。；Bell，D.，急诊科患者聚类的新型粒子群优化方法，IEEE Trans。进化。计算。，232632-644（2018）
[8] Wang，F。；张，H。；李凯。；Lin，Z。；杨，J。；Shen，X.-L.，一种使用自适应学习策略的混合粒子群优化算法，信息科学。，436, 162-177 (2018)
[9] Wang，H。；周，X。；孙，H。；Yu，X。；赵，J。；张，H。；Cui，L.，具有自适应控制参数的Firefly算法，软计算。，21, 17, 5091-5102 (2017)
[10] Wang，H。；Wang，W。；周，X。；孙，H。；赵，J。；Yu，X。；崔，Z.，带邻域吸引的萤火虫算法，信息科学。，382, 374-387 (2017)
[11] 卡拉博加，D。；Gorkemli，B。；Ozturk，C。；Karaboga，N.，综合调查：人工蜂群（abc）算法及其应用，人工智能。智力。版次：42、1、21-57（2014）
[12] 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, 3, 459-471 (2007) ·Zbl 1149.90186号
[13] 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)
[14] F.Wang，Y.Li，A.Zhou，K.Tang，混合变量报童问题的分布算法估计，IEEE Trans。进化。计算。
[15] Wang，F。；李毅。；张，H。；胡，T。；Shen，X.-L.，用于基于偏好的多目标优化的自适应权重向量引导进化算法，Swarm Evol。计算。，49, 220-233 (2019)
[16] 徐，F。；李，H。；潘，C.-M。；胡，H。；李毅。；Song，Y。；Gao，H.，一种新的全局最优引导人工蜂群算法及其在机器人路径规划中的应用，应用。软计算。，1-31 (2020)
[17] 高，W。；Sheng，H。；Wang，J。；Wang，S.，基于模糊投资组合选择新机制的人工蜂群算法，IEEE Trans。模糊系统。，27, 5, 966-978 (2018)
[18] Sundar，S。；Suganthan，P.N。；Jin，C.T。；Xiang，C.T。；Soon，C.C.，针对无等待约束的job-shop调度问题的混合人工蜂群算法，Soft。计算。，21, 5, 1193-1202 (2017)
[19] Bose，D。；比斯瓦斯，S。；瓦西拉科斯，A.V。；Laha，S.，使用改进的人工蜂群算法进行最优滤波器设计，《信息科学》。，281, 443-461 (2014)
[20] 周，J。；姚明，X。；Chan，F.T。；Lin，Y。；Jin，H。；高，L。；Wang，X.，一种依赖个体的多群体人工蜂群算法，Inf.Sci。，485, 114-140 (2019)
[21] 阿斯兰，S。；巴登，H。；Karaboga，D.，用于全局优化的改进快速人工蜂群（iqabc）算法，Soft。计算。，23, 24, 13161-13182 (2019)
[22] 林，Q。；朱，M。；李·G。；Wang，W。；崔，L。；陈，J。；Lu，J.，一种具有局部和全局信息交互的新型人工蜂群算法，应用。软计算。，62, 702-735 (2018)
[23] 张，M。；田，N。；帕拉德五世。；季，Z。；王毅，高斯分布细胞人工蜂群算法，信息科学。，462, 374-401 (2018) ·Zbl 1440.68350号
[24] Bajer，D。；Zorić，B.，用于数值优化的一种有效的改进人工蜂群算法，Inf.Sci。，504221-275（2019）·Zbl 1453.90187号
[25] 库马尔，D。；Mishra，K.，协同变异引导人工蜂群，应用。软计算。，70, 86-107 (2018)
[26] 薛，Y。；江，J。；赵，B。；Ma，T.，一种基于全局最优的自适应人工蜂群算法，用于全局优化，Soft。计算。，22, 9, 2935-2952 (2018)
[27] 崔，L。；李·G。；Zhu，Z。；林，Q。；温，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) ·Zbl 1435.90153号
[28] 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, 7, 3166-3173 (2010) ·Zbl 1204.65074号
[29] 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)
[30] 周，X。；吴，Z。；Wang，H。；Rahnamayan，S.，高斯裸骨人工蜂群算法，软。计算。，20, 3, 907-924 (2016)
[31] 于伟杰。；詹，Z.-H。；Zhang，J.，具有自适应贪婪位置更新策略的人工蜂群算法，Soft。计算。，22, 2, 437-451 (2018)
[32] 高，W。；Liu，S.，一种改进的人工蜂群算法，计算。操作。研究，39，3，687-697（2012）·Zbl 1251.90006号
[33] Wang，H。；吴，Z。；Rahnamayan，S。；孙，H。；刘，Y。；Pan，J.-S.，多策略集成人工蜂群算法，信息科学。，279587-603（2014）·Zbl 1354.68242号
[34] Kiran，M.S。；哈克里，H。；Gunduz，M。；Uguz，H.，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)
[35] 崔，L。；李·G。；林，Q。；杜，Z。；高，W。；陈，J。；Lu，N.，一种具有深度优先搜索框架和精英引导搜索方程的新型人工蜂群算法，信息科学。，367, 1012-1044 (2016)
[36] 周，X。；Wang，H。；王，M。；Wan，J.，用邻域搜索增强改进的人工蜂群算法，Soft。计算。，21, 10, 2733-2743 (2017)
[37] 卢，J。；周，X。；马云（Ma，Y.）。；Wang，M.，《一种精英群体引导的具有改进邻域搜索的人工蜂群算法》，年（第15届环太平洋国际人工智能会议（2018），斯普林格），387-394
[38] 高，W。；刘，S。；Huang，L.，一种基于修正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)
[39] Wang，H。；孙，H。；李，C。；Rahnamayan，S。；Pan，J.-S.，《带邻域搜索的多样性增强粒子群优化》，《信息科学》。，223, 119-135 (2013)
[40] J.Liang，B.Qu，P.Suganthan，A.G.Hernández-Díaz，2013年cec实际参数优化特别会议的问题定义和评估标准，技术代表34，中国郑州大学计算智能实验室和新加坡南洋理工大学，技术报告，2013年。
[41] 达斯，S。；Suganthan，P.，《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》（2011年），雅达布尔大学和南洋理工大学，（技术代表）
[42] 达斯，S。；亚伯拉罕。；英国查克拉波蒂。；Konar，A.，使用基于邻域的变异算子的差异进化，IEEE Trans。进化。计算。，13, 3, 526-553 (2009)
[43] 潘·W。；李，B。；刘，J。；马云（Ma，Y.）。；Hu，B.，通过加权k-core分解分析java软件系统的结构，Future Gen.Compute。系统。，83, 431-444 (2018)
[44] W.Pan，H.Ming，C.Chang，Z.Yang，D.-K.Kim，Elementrank：使用基于多层复杂网络的方法对java软件类和包进行排名，IEEE Trans。软件工程。
[45] 潘·W。；Song，B。；李凯。；Zhang，K.，使用广义K核分解识别面向对象软件中的关键类，未来生成计算。系统。，81, 188-202 (2018)
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。