一种遗传学习人工蜂群算法

摘要 在人工蜂群算法及其变种中，侦察蜂采用随机初始化的方法生成新食物源，容易造成前期计算资源的浪费和陷入局部最优解.解决这个问题的一个重要方法是引入新的操作算子，弥补算法的不足.最近提出的遗传学习算子（GL）是遗传算法（GA）的最新改进版本，较好的平衡了全局搜索能力与加速收敛之间的矛盾，对比GA具有较大优势，可以作为一个较好的选择.本文将GL算子引入到多种人工蜂群算法变种的侦察蜂阶段，通过有效组合多个优秀个体的信息产生更有希望的新实物源，防止算法早熟.通过在多个精英解上完成GL算子的交叉、变异与选择操作，新产生的食物源具有较高的多样性和较高的质量.在著名的CEC2014函数集上的实验结果表明，GL算子可以作为一种通用框架嵌入到多种最新提出的改进ABC算法中，显著提高这些算法的收敛速度与搜索精度