Journal:智能系统学报
Place of Publication:中国人工智能学会;哈尔滨工程大学
Key Words:人工蜂群算法；高维混沌系统；适应度评价；搜索策略；优化算法；演化算法；收敛性分析；精度分析；智能算法
Abstract:针对人工蜂群算法初始化群体分布不均匀和局部搜索能力弱的问题，本文提出了一种增强局部搜索能力的人工蜂群算法（ESABC）。 首先，在种群初始化阶段采用高维洛伦兹混沌系统，得到遍历性好、有规律的初始群体，避免了随机初始化的盲目性。 然后，采用基于对数函数的适应度评价方式，以增大种群个体间差异，减小选择压力，避免过早收敛。 最后，在微分进化算法的启发下，提出了一种新的搜索策略，采用当前种群中的最佳个体来引导下一代的更新，以提高算法的局部搜索能力。 通过对 １２ 个经典测试函数的仿真实验，并与其他经典的改进人工蜂群算法对比，结果表明：本文算法具有良好的寻优性能，无论在解的精度还是收敛速度方面效果都有所提高。
Note:不属于SCI，EI
Translation or Not:no
Date of Publication:2016-10-31
First Author:LYM,PETTER,刘晓芳(学)