人工蜂群算法的研究及應用.pdf

1、近年來，隨著群體智能算法在數(shù)據(jù)處理分析問題上表現(xiàn)出來的巨大潛力，大批的研究人員投身于其中進行研究。但是這類的群體智能算法往往存在著調(diào)節(jié)參數(shù)過多，所得解不是最優(yōu)解，收斂速度這些問題，這些問題限制了這些方法的實際應用。群體智能的發(fā)展還有很多的路要走，這也為我們的課題提供了實際的意義。
　　收到大自然的啟發(fā)和研究人員的努力，提出了人工蜂群[4]算法。隨著研究的不斷深入，人工蜂群算法在處理聚類分類等問題上取得了巨大的成功。過去的研究主要集

2、中在算法性能提高，函數(shù)優(yōu)化，組合優(yōu)化，收斂性證明這些方面。
　　一直以來，不同思想的融合和學科的交叉結合都是創(chuàng)新思想的重要來源，這也是人工蜂群算法能進一步發(fā)展和應用必不可少的趨勢。主要的例如有人工智能，它是機器學習、統(tǒng)計學和數(shù)據(jù)庫等學科的有機結合，現(xiàn)在已經(jīng)是熱門的研究課題。
　　在這樣的背景下，本文提出了該課題，本文對蜂群算法進行了深入的研究，在本文的開始，詳細介紹了蜂群算法的技術理論，之后我們使用蜂群算法處理了一些實際問題

3、，并且和同類算法進行比較，通過實驗比較來展示蜂群算法在同類算法中突出的性能并且找蜂群算法的不足;然后針對實驗暴露出的算法的局限性，通過查詢文獻和實驗，提出了蜂群算法的改進策略，并且詳細給出了改進的理論依據(jù);最后，通過從算法的結構入手，提出了可變種群規(guī)模的人工蜂群算法，針對收斂速度和局部最優(yōu)化的問題，選用了合適的函數(shù)，從理論上解決了這些局限性。本論文的具體貢獻如下:
　　(1)詳細闡述了蜂群算法的理論并且將其應用到具體研究中去。闡述

4、了原始的人工蜂群算法的數(shù)學模型，我們將這個模型運用到我們研究中常用的問題中去，蜂群算法能夠完美的解決這些問題，性能比同類算法有顯著的提高。
　　(2)人工蜂群算法的改進策略。從第三章中暴露出了蜂群算法的一些不足，從算法性能為原點，提出了第4章中的算法改進策略，分別是初始解的改進，選擇策略的改進，解更新公式的改進，與其它算法相結合的改進策略。并且通過仿真實驗來驗證這些更新策略的效果。
　　(3)可變種群規(guī)模的人工蜂群算法。這是