知识卡片
传统ABC的收敛风险触发改进
传统人工蜂群算法(ABC)有三类常被指出的风险,可作为诊断改进方向的清单:
- 早熟收敛:种群过早聚到同一区域、多样性丧失,停在不够好的解上;
- 收敛缓慢:需要很多轮迭代才逐步接近好解;
- 后期局部最优:迭代后期难以跳出当前所在的局部最优区域。
评价具体算法时应分别观察多样性、收敛速度和后期解质量;这段概述没有给测试条件,不能把风险说成每次必然发生,也不能据此判断某种改进普遍有效。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 7 . 2 . 2 混 合 人 工 蜂 群 算 法 · 查看原书依据
然而,传统的ABC算法容易出现早熟收敛、收敛缓慢和后期局部最优等问题。为了克服这些问题,进一步提高算法的性能,许多学者已经在许多方面进行了改进,Mohamma提出了一种基于指数分布自适应变异步长机制的ABC算法,该算法改变搜索步长,建立自适应搜索方程,并探索了群体的动态控制;Lee等介绍了基于种群多样性的判别机制ABC算法,使侦察蜂决定用哪种搜索机制探索蜜源[8];Shi等提出了基于PSO和ABC的混合算法[9],以实现群体与粒子群之间的信息交互共享,介绍了两种信息交换机制,提高了整体容量优化算法;Zhong等将细菌趋化优化算法嵌入挖掘蜜蜂和蜜蜂观察ABC算法的挖掘过程,仿真实验表明,趋药性行为可以增强ABC算法[10];Bi等学者提出了一种快速变异的ABC算法[11],当在蜜蜂选择中观看时,使用选择模型替换轮盘信息素敏感模型和自由搜索算法;Tarun等为了加快ABC算法的收敛速度[12],先利用反学习模型产生一个与随机种群相对应的种群,再取这两个种群中对应个体的中间个体作为初始种群进行进化;Gao等在基本ABC算法的迭代中引入淘汰规则和新的搜索策略[13],同时对种群中的个体采用差分进化,以提高算法的收敛速度和维护种群的多样性;另外,还有学者提出了ABC算法的并行式搜索机制[14]和分布式ABC算法[15]。
参考来源
- 位置:《智能算法导论》第 7 章《混合人工蜂群算法》(源文件:_epub-src/EPUB/xhtml/chapter7_0004.xhtml)
- 结论依据:原文明确列出三类传统 ABC 问题,并以“克服这些问题、提高性能”引出改进;未给测试条件,故本卡将其限定为待验证的风险。
- 原始内容:然而,传统的ABC算法容易出现早熟收敛、收敛缓慢和后期局部最优等问题。