求解函数优化问题的改进人工蜂群算法OA北大核心CSCDCSTPCD
Improved Artificial Bee Colony Algorithm for Function Optimization
标准人工蜂群算法由于局部搜索能力差，收敛精度低，容易陷入早熟收敛等缺陷，从而求解最小值函数优化问题的能力受到限制。为了解决标准人工蜂群算法的以上问题，提出了一种改进的人工蜂群算法。该算法将混沌算子引入雇佣蜂和跟随蜂基于当前最优解的局部搜索策略中，并赋予跟随蜂细菌的趋药性，从而<br> 提高了人工蜂群算法的局部搜索能力。在6个测试函数上的仿真结果表明，该算法能有效地避免陷入局部最优，并使收敛精度得到显著提高。
The standard artificial bee colony algorithm is limited in solving minimum function optimization prob-lems because of the poor local search ability, low computational precision of convengence and easily to fall to local optimum. Attempting to solve the problems emphasized above, this paper proposes an advanced artificial bee colony algorithm. This algorithm introduces chaos operator into the local search strategy of employed bees and onlooker bees, which is …查看全部>>
唐凌芸;毛力;周长喜
江南大学 物联网工程学院 轻工过程先进控制教育部重点实验室，江苏 无锡 214122江南大学 物联网工程学院 轻工过程先进控制教育部重点实验室，江苏 无锡 214122江南大学 物联网工程学院 轻工过程先进控制教育部重点实验室，江苏 无锡 214122
信息技术与安全科学
人工蜂群算法当前最优解混沌算子细菌趋药性
artificial bee colonycurrent optimalchaos operatorbacterial chemotaxis behavior
《计算机科学与探索》 2015 (7)
854-860,7
The National Natural Science Foundation of China under Grant No. F030204(国家自然科学基金)the Program of Key Laboratory of Advanced Process Control for Light Industry of China under Grant No. APCLI1004(轻工过程先进控制教育部重点实验室项目)
评论