人工蜂群算法的研究與應(yīng)用.pdf

1、人工蜂群算法(ArtificialBeeColonyalgorithm,ABC)是2005年提出的一種新型群智能優(yōu)化算法,并廣泛應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練、濾波器設(shè)計、認(rèn)知無線電和盲信號分離等眾多領(lǐng)域,均取得了良好應(yīng)用效果,使其成為目前最有前景的進(jìn)化算法之一。然而,與其他進(jìn)化算法的發(fā)展一樣,在研究初期,存在大量問題需要研究,例如提高算法在各種優(yōu)化問題上的求解性能、拓展算法的應(yīng)用范圍等。
　　本課題為完善ABC算法的理論體系,針對算法存

2、在的問題,從理論和應(yīng)用兩方面對其進(jìn)行深入研究。在理論研究方面,針對各種典型優(yōu)化問題展開研究,一方面,改進(jìn)ABC算法內(nèi)在運行機(jī)制,力圖提高算法在高維復(fù)雜單目標(biāo)優(yōu)化、二目標(biāo)優(yōu)化以及約束多目標(biāo)優(yōu)化問題上的求解性能;另一方面,嘗試引入其他機(jī)制,使算法能夠處理多峰函數(shù)優(yōu)化和高維多目標(biāo)優(yōu)化問題,并取得令人較為滿意的效果。在實際應(yīng)用方面,將ABC算法應(yīng)用到面向三維感知的無線多媒體傳感器網(wǎng)絡(luò)的全目標(biāo)覆蓋問題中,取得了良好效果。具體如下:
　　第一

3、,針對ABC算法在求解復(fù)雜單目標(biāo)函數(shù)優(yōu)化問題時仍存在易陷入局部最優(yōu)、收斂速度慢等問題,對其內(nèi)在運行機(jī)制進(jìn)行深入研究:為盡量避免算法陷入局部最優(yōu),為跟隨蜂設(shè)計新的概率選擇模型代替原有較為貪婪的較優(yōu)個體選擇方式,并設(shè)計反向?qū)W習(xí)變異策略代替?zhèn)刹旆湫袨?為在保證種群多樣性的同時盡量提高收斂速度,在跟隨蜂和引領(lǐng)蜂的搜索中加入方向性搜索信息,設(shè)計新的搜索策略,綜合以上改進(jìn)提出一種改進(jìn)人工蜂群算法。實驗仿真結(jié)果表明該改進(jìn)算法性能優(yōu)于現(xiàn)有四種算法。

4、r>　　第二,針對ABC算法目前尚不能處理多峰優(yōu)化問題,通過大量實驗研究,結(jié)合小生境技術(shù),嘗試提出一種小生境人工蜂群算法。一方面,為使算法盡可能多的搜索到多峰函數(shù)的極值解,做如下四方面工作:1、改進(jìn)原有的小生境模型,增強(qiáng)算法對各個峰的辨識能力;2、建立新的引領(lǐng)蜂個體保留方式、利用排擠機(jī)制確定迭代種群,使算法不止收斂于單個最優(yōu)峰,增強(qiáng)算法集聚于各個峰的能力;3、改進(jìn)跟隨蜂在選擇較優(yōu)蜜源時原有的較為貪婪的選擇方式,擴(kuò)大種群多樣性;4、建立外

5、部種群記錄搜索過程中的已得極值解,避免搜索造成峰值點丟失的情況。另一方面,為盡量提高搜索精度,改進(jìn)原有依靠個體適應(yīng)度值判斷個體優(yōu)劣的評判標(biāo)準(zhǔn),結(jié)合小生境技術(shù)在峰內(nèi)判斷個體優(yōu)劣,加強(qiáng)個體在峰內(nèi)的搜索。仿真結(jié)果表明該算法能較為準(zhǔn)確地識別各個峰。
　　第三,針對現(xiàn)有基于ABC算法的二目標(biāo)優(yōu)化算法的收斂性和分布性有待提高的問題,以NSGA-II作為二目標(biāo)算法的主體框架、ABC執(zhí)行進(jìn)化操作,提出二目標(biāo)人工蜂群算法。主要改進(jìn)措施包括:1、設(shè)計

6、新的精英種群確定方式,改善最優(yōu)解集的分布性;2、根據(jù)二目標(biāo)的特點,設(shè)計新的搜索策略,加快算法收斂到最優(yōu)Pareto前沿的速度。標(biāo)準(zhǔn)測試函數(shù)上的實驗結(jié)果顯示,該算法能夠穩(wěn)定有效地找到Pareto最優(yōu)解集并同時保證良好分布性,其相關(guān)性能指標(biāo)超過國內(nèi)外多個先進(jìn)二目標(biāo)進(jìn)化算法。
　　第四,針對目前ABC算法尚無法解決高維多目標(biāo)優(yōu)化問題的情況,嘗試提出一種以ABC執(zhí)行主體進(jìn)化策略的高維多目標(biāo)算法。首先,將高維多目標(biāo)問題轉(zhuǎn)化成單目標(biāo)問題,加大

7、收斂動力;其次,根據(jù)高維多目標(biāo)問題的特點,改進(jìn)跟隨蜂選擇較優(yōu)個體時較為貪婪的選擇方式,為偵察蜂設(shè)計新的搜索策略,加強(qiáng)對非支配解的探索能力;最后,提出新的分布性維護(hù)方法,避免解集覆蓋不完整、分布不均勻。實驗證實該算法收斂性和分布性效果良好,且解集覆蓋范圍廣。
　　第五,針對現(xiàn)有基于ABC算法的約束多目標(biāo)算法性能較差的問題,采用建立外部種群分別存儲優(yōu)秀可行解和不可行解的方式處理約束條件,利用ABC算法執(zhí)行進(jìn)化操作,并借助優(yōu)秀可行解和不

8、可行解的方向性引導(dǎo)信息增強(qiáng)算法對解的探索能力,建立新的搜索方式,提出基于ABC算法的約束多目標(biāo)算法。在CTP類測試函數(shù)上的仿真結(jié)果顯示,相對于現(xiàn)有幾種約束多目標(biāo)優(yōu)化算法,本課題提出的約束多目標(biāo)算法能夠獲得更優(yōu)的分布性和收斂性效果。
　　第六,為解決面向三維感知的多媒體傳感器網(wǎng)絡(luò)的全目標(biāo)覆蓋問題,提出基于人工蜂群算法的通用全目標(biāo)覆蓋算法:一方面,改進(jìn)現(xiàn)有的三維感知模型,并通過公式推導(dǎo)得到最優(yōu)仰俯角的計算公式,利用改進(jìn)ABC算法進(jìn)行求