原书出处
智能算法导论
70 7 . 2 . 2 混 合 人 工 蜂 群 算 法
数无约束数值优化问题[2],得到了较好的优化结果。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]。
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/智能算法导论/_epub-src/EPUB/xhtml/chapter7_0004.xhtml
EPUB SHA-256:18e2691ea1badb55bab48f10fe7172f9d6a95bc5207bb2e234686cbbaff3641d