基于Hooke-Jeeves的改进人工蜂群算法

• 作 者: 孙越泓 丁亚英
• 机 构: 江苏省大规模复杂系统数值模拟重点实验室,南京师范大学数学科学学院
• 出 处: 计算机科学与应用
• 发表日期: 2017年2期
• 关键词: 群智能 人工蜂群算法 Hooke-Jeeves搜索 局部寻优能力 无约束优化问题
• 基金项目: 教育部人文社会科学青年基金项目(12YJCZH179),江苏省大规模复杂系统数值模拟重点实验室开放基金项目(201601)

人工蜂群算法(ABC)是新近提出的一种基于群智能的优化方法,它比其他基于种群的智能算法更优异,但蜂群的搜索更新公式在算法的局部寻优能力上存在缺陷。因此本文致力于将擅长局部寻优的搜索机制引入人工蜂群算法,提出了一种基于Hooke-Jeeves的改进人工蜂群算法(IHABC)。IHABC算法改进了采蜜蜂和跟随蜂的搜索公式,期望保留全局搜索能力的同时能更大限度地增加算法的局部寻优能力;采用质量中上的个体优化Hooke-Jeeves搜索法的初始基点以确保局部寻优的有效性;改进Hooke-Jeeves方法的探索移动