人工蜂群算法理論及其在通信中的應用研究.pdf

1、在工程技術、管理科學、計算機科學、科學研究等領域中存在著大量的優(yōu)化問題需要解決，目前工程中常用的優(yōu)化算法主要有經(jīng)典優(yōu)化算法、局部搜索和貪婪算法、智能優(yōu)化算法和混合優(yōu)化算法等。群體智能優(yōu)化算法是群體智能研究中的一個重要分支，通過模擬自然界生物的群體智能行為，并從它們的群體行為中提取模型，為這些行為建立一些規(guī)則，從而構(gòu)造出來的隨機優(yōu)化算法。與傳統(tǒng)優(yōu)化算法相比，智能優(yōu)化算法有著實現(xiàn)簡單、全局收斂性好、魯棒性強、易于擴充和自組織性等諸多優(yōu)點。<

2、br>　　 人工蜂群算法是一種模擬自然界中蜜蜂采蜜行為的新型智能優(yōu)化算法，提出的時間較短，但因其計算簡潔、控制參數(shù)少、收斂性好、魯棒性強等特點，吸引了越來越多的學者對其進行研究。本文主要從人工蜂群算法的應用和改進兩個方面，對其進行了研究。
　　 首先，對人工蜂群算法的生物模型、算法基本原理以及算法實現(xiàn)過程和流程進行了詳細闡述，簡單總結(jié)了算法的特點，并就算法的國內(nèi)外研究現(xiàn)狀做了綜述。鑒于算法所具有的優(yōu)良特性，將其應用于解決14個

3、城市的TSP問題，這是一個NP難問題。具體的，將人工蜂個體的位置映射為一次所走的路徑，食物源映射為路徑的長度，14個城市TSP問題的仿真實例，證明了人工蜂群算法解決此類組合優(yōu)化問題是可靠、有效的。
　　 其次，針對多模優(yōu)化問題，提出一種小生境人工蜂群算法，實驗結(jié)果表明，與小生境遺傳算法相比，我們提出的算法是一種有效的多模優(yōu)化算法。
　　 再次，為了防止人工蜂群算法在進化過程中特別是進化后期由于個體多樣性不足而易使收斂速度

4、明顯變慢，以及算法收斂到一定精度時，算法無法繼續(xù)優(yōu)化等情況發(fā)生，本文提出了一種改進算法—基于高斯變異和混沌擾動的人工蜂群算法。改進算法中，引入了高斯變異，以加強局部搜索能力，提高搜索精度;并根據(jù)混沌序列具有遍歷性、隨機性、細致搜索等特性，以當前搜索停滯的解為基礎產(chǎn)生混沌序列，用此混沌序列對部分陷入局部最優(yōu)的個體采取一定的擾動，以促使停滯的算法跳出限制繼續(xù)搜索，從而加快收斂速度，提高算法效率。對4個基準測試函數(shù)進行仿真實驗，結(jié)果表明，改進