人工蜂群算法起源与发展现状

《人工蜂群算法起源与发展现状》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、ABC算法起源与发展摘要：本文从人工蜂群算法（ABC算法）的生物机理出发，介绍了ABC算法的起源以及发展，重点介绍了ABC算法的算法的基本原理、实现方法及算法流程，介绍ABC算法的特点并通过一个函数优化实例说明其的有效性。同时研究了ABC算法的发展和改进。然后分析了ABC算法的优缺点及今后发展重点与方向。最后列出部分ABC算法的近期研究成果。关键词：人工蜂群算法小生境优化高斯变异混沌扰动人工蜂群算法(ArtificialBeeColonyAlgorithm,简称ABC算法)是一个由蜂群行为启发的算法，在2005年由Karaboga小

2、组为优化代数问题而提出。人工蜂群算法是模仿蜜蜂行为提出的一种优化方法，是集群智能思想的一个具体应用，它的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，有着较快的收敛速度。作为一种新的群体智能优化算法，人工蜂群算法理论研究和应用已成为新的研究热点，由于它在很多方面的优良性能，己经成为仿生智能计算领域的一种重要优化算法。本文着重阐述蜂群算法的基本原理、方法、步骤，介绍算法的特点并通过一个函数优化实例说明算法的有效性。同时研究了ABC算法的发展和改进。最后

3、分析了ABC算法今后发展重点与方向。1、人工蜂群算法的生物机理及发展1.1、蜜蜂采蜜原理蜜蜂是社会化的昆虫群体，蜂群中的个体可以担任不同的角色，能够完成构建巢穴、觅食、生育后代、养育后代和御敌等工作，并且能够自发地在这些角色之间进行互换。一般蜂群有两种创建方式：独立创建方式，即蜂群是由一个或多个母蜂创建的，这些母蜂建造巢穴、生育后代以及哺育幼蜂，幼蜂一直被哺育到能承担种群的工作为止，此种群的分工是蜂王专门生育后代，而工蜂则哺育后代。群创建方式，即蜂群是由一个或多个蜂王及一群工蜂创建的，从蜂群创建之初就有明确的分工，即蜂王生育后代，工

4、蜂哺育后代。虽然单个昆虫的行为极其简单，但是由简单的个体所组成的群体却能表现出极其复杂的行为。真实的蜜蜂种群能够在任何环境下，以极高的效率从食物源（花朵）中采集花蜜；同时，它们能适应环境的改变。最早在TheDanceLanguageandorientationofBees这本书中，Frisch深入研究了蜜蜂交流采蜜信息时使用的摇摆舞机制，还将这一机制用其构建的语言加以描述。在自然界中，虽然各社会阶层的蜜蜂只能完成单一的任务，但蜜蜂通过摇摆舞、气味等多种信息交流方式，使整个蜂群总是能很自如地发现优良蜜源和花粉，实现自组织行为。按照Fr

5、isch的描述，蜜蜂回巢后，会在蜂巢上右一圈、左一圈地跳起“8”字形的舞。在跳“8”字形舞蹈的阶段时，蜜蜂会不断地振动翅膀，发出嗡嗡声，同时腹部还会左右摇摆，这部分舞蹈被称为“摇摆舞”，它包含两部分有关食物地点的重要信息。摇摆的方向表示采集地点的方位，其角度表示采集地点与太阳位置的角度，而食物的距离是靠摇摆是持续时间来决定的，蜜蜂摇摆的时间越长，说明食物地点越远。找到食物的蜜蜂通过跳摇摆舞引起其他蜜蜂的注意。这些蜜蜂在看到摇摆舞后，会根据摇摆舞得到食物地点的准确信息，选择飞往蜜源去采蜜或者在附近重新寻找新的蜜源，蜜蜂之间通过这种相互

6、的信息交流、学习，使得整个蜂群总能找到比较多的蜜源进行采蜜。1.2、人工蜂群算法的提出Seeley于1995年在其著作TheWisdomoftheHive[1]中首次提出了蜂群的自组织模型，Tereshko根据蜜蜂的采蜜行为也提出了简单模型[2][3]，Teodorovic提出了蜂群优化原理并提出了蜜蜂系统和模糊蜜蜂系统，并将其应用于解决数值优化问题中[4][5]，Yang提出一种虚拟的简单蜂群算法，算法采用两个参数并用于解决数值优化问题[6]。Karaboga于2005年系统地提出了人工蜂群算法及其改进算法[7]，并在其后续文献中

7、分析了蜂群算法的性能，并与差分进化算法、粒子群算法和进化算法在多维函数优化的性能上做了比较[8]。今年来，许多研究者对蜂群算法提出新的模型，并进行了改进和性能分析[9]。受自然界中蜜蜂行为启发而产生的蜂群算法是一种新颖的元启发式优化算法。根据不同的生物启发机理，有两种不同实现原理的蜂群算法。一种是基于蜜蜂交配繁殖机理的蜂群算法。2001年，Abbass受到蜂后与工蜂交配的生物机理的启发，建立了一种新的模型―蜜蜂繁殖优化模型(BeeMatingOptimizationMBO)，HBMO模拟由一只蜂王进化为包含一只或多只蜂王的蜂群的整个

8、过程，并被用于解决可满足性问题。Amiri等人基于K-均值聚类算法将自组织映射神经网络与HBMO结合用于细分网上书店市场，如今，这一模型在其他优化问题的解决中也得到广泛应用[10][11]。2003年，Jung提出了蜂后进化模型（Qu