自适应随机优化策略的改进人工蜂群算法

摘要 传统人工蜂群算法存在收敛速度较慢以及容易陷入局部最优解等不足,本文针对此提出了一种基于自适应随机优化策略的人工蜂群改进算法.在该策略中,首先利用自适应思想定义了新的位置更新公式,由此提高了蜂群间交互的相关性;其次利用双向随机优化机制约束适应度函数的搜索方向,由此提高了算法的局部搜索能力;另外将粒子群算法引入到改进人工蜂群算法的初始阶段,利用其收敛速度快的特性以较少的迭代次数产生全局最优解作为初始蜜源位置,由此提高了算法的收敛速度.最后以三个基准函数作为测试样本进行仿真实验,对算法的寻优精度、收敛速度、执行效率、全局搜索能力和跳出局部极值并避免“早熟”的能力进行了验证分析,结果表明:改进后的算法在搜索性能及收敛速度方面均有明显提高