知识卡片
反学习中点生成初始种群
一种 ABC 初始化改进先为随机种群生成对应的反学习种群,再取每对对应个体的中点组成初始种群。它用成对候选共同构造起点,可能改变初始解分布。
示例(补充教学示例,非书中数据):一维区间 [0,10],随机个体 x=2。按常见反学习定义,对应点为 0+10−2=8,中点为 (2+8)/2=5。原书只写“对应”“中间个体”,未给出映射公式;上式是为讲清“中点”而补的常见定义,复现时须核对该映射并实测,不能把中点初始化当成已证明的质量提升。
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
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]。