Print

结合JADE和CoDE差分算子的人工蜂群算法

论文摘要

人工蜂群算法(ABC)具有良好的全局探索能力,但局部利用能力较弱。与此相反,差分进化(DE)具有良好的局部利用能力,但全局探索能力较弱。鉴于此,提出了ABC和DE结合算法——AMDABC。AMDABC遵循人工蜂群算法的框架,包括雇佣蜂阶段、跟随蜂阶段和侦查蜂阶段。在雇用蜂阶段引入了两个DE算子(JADE算子、CoDE算子),同时给出两个控制参数,根据控制参数的值自适应地交替执行CoDE算子、JADE算子或ABC搜索方程,以达到全局探索能力和局部利用能力的平衡。在跟随蜂阶段,同样结合JADE差分算子产生候选解,以更好地解决ABC算法局部利用能力弱的问题。在19个标准函数上的实验结果表明,AMDABC算法性能优于典型ABC算法、典型DE算法、典型ABC和DE结合算法。

论文目录

  • 1 引言
  • 2 本文提出的AMDABC算法
  •   2.1 AMDABC算法框架
  •   2.2 AMDABC的雇佣蜂阶段
  •     2.2.1 控制参数Q、Q1、Q2
  •     2.2.2 控制参数P1
  •     2.2.3 ABC搜索方程
  •     2.2.4 JADE差分算子
  •     2.2.5 CoDE差分算子
  •   2.3 AMDABC的跟随蜂阶段
  • 3 实验
  •   3.1 测试数据和参数设置
  •   3.2 与典型ABC改进算法的比较
  •   3.3 与经典DE改进算法的比较
  •   3.4 Q1与Q2的参数敏感性分析
  • 4 结束语

    • 文章来源

    类型: 期刊论文

    作者: 耿璐,李艳娟

    关键词: 人工蜂群算法,差分进化,全局优化,混合框架

    来源: 计算机科学与探索 2019年12期

    年度: 2019

    分类: 信息科技

    专业: 自动化技术

    单位: 东北林业大学信息与计算机工程学院

    基金: 国家自然科学基金No.61300098,中央高校基本科研业务费专项资金No.2572017CB33~~

    分类号: TP18

    页码: 2103-2116

    总页数: 14

    文件大小: 3327K

    下载量: 128

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/9d03c64c54f3d01b60ff7656.html