具有混沌差分进化搜索的人工蜂群算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (29): 27-30.

具有混沌差分进化搜索的人工蜂群算法

银建霞，孟红云

西安电子科技大学理学院数学科学系，西安 710071

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-10-11 发布日期:2011-10-11

Artificial bee colony algorithm with chaotic differential evolution search

YIN Jianxia，MENG Hongyun

Department of Mathematics，School of Science，Xidian University，Xi’an 710071，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-10-11 Published:2011-10-11

摘要/Abstract

摘要： 针对人工蜂群算法的不足，结合差分进化算法中的变异思想，提出一种改进的人工蜂群算法。其基本思想是在标准人工蜂群算法中观察蜂更新蜜源的阶段，使用差分进化算子对蜜源进行更新，在差分变异算子中引入混沌序列，以提高观察蜂在此阶段的局部搜索能力，最终获得最优蜜源。仿真结果表明，引入混沌差分进化搜索的蜂群算法无论在解的求解精度上还是算法的收敛速度上均优于标准人工蜂群算法，适合于复杂函数的全局优化问题。

关键词: 人工蜂群算法（ABC）, 差分进化, 混沌序列, 全局优化

Abstract: An improved Artificial Bee Colony（ABC） algorithm is proposed to overcome the shortcomings of standard ABC by combining with differential mutation idea.Its main idea is that the proposed algorithm makes use of differential evolution operators to update food source in order to enhance the local search ability at the stage of onlooker bees，and the chaotic sequence is introduced to differential mutation operator.Simulation results show that the new algorithm introducing chaotic differential evolution search is promising in terms of convergence rate and has great advantage of solution accuracy compared to ABC algorithm.The improved algorithm can be efficiently employed to complex functions of global optimization problems.

Key words: Artificial Bee Colony（ABC） algorithm, differential evolution, chaotic sequence, global optimization

银建霞，孟红云. 具有混沌差分进化搜索的人工蜂群算法[J]. 计算机工程与应用, 2011, 47(29): 27-30.

YIN Jianxia，MENG Hongyun. Artificial bee colony algorithm with chaotic differential evolution search[J]. Computer Engineering and Applications, 2011, 47(29): 27-30.

[1]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[2]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[3]	钱峥远，曾国荪. 精英化岛屿种群引导的差分进化算法[J]. 计算机工程与应用, 2021, 57(20): 73-81.
[4]	崔彩霞，毕超超，范勤勤. 基于隐马尔可夫链的自适应MODE及应用[J]. 计算机工程与应用, 2021, 57(14): 83-94.
[5]	李荣，贺兴时，杨新社. 基于差分进化的飞蛾算法在电力调度中的应用[J]. 计算机工程与应用, 2021, 57(13): 258-268.
[6]	沈鑫，邹德旋，张强. 采用双变异策略的自适应差分进化算法及应用[J]. 计算机工程与应用, 2020, 56(4): 146-157.
[7]	张梦琳，江沸菠，董莉，高颖. 智能无人机轨迹与任务卸载联合优化[J]. 计算机工程与应用, 2020, 56(21): 38-46.
[8]	王浩，李俊，周蓉. 自适应合并与分裂的多种群差分进化算法[J]. 计算机工程与应用, 2020, 56(15): 162-171.
[9]	王亚东，石全，尤志锋，宋卫星. 差分准对立学习多目标蚁狮算法[J]. 计算机工程与应用, 2020, 56(13): 156-163.
[10]	方建文，黄钢，曹文明. 笔触风格化技术研究综述[J]. 计算机工程与应用, 2019, 55(9): 33-37.
[11]	耿焕同，周利发，丁洋洋，周山胜. 一种基于新型差分进化模型的MOEA/D改进算法[J]. 计算机工程与应用, 2019, 55(8): 138-146.
[12]	迟宗正，董绍正，郭童，任志磊，周宽久，郭禾. 求解风力发电机布局问题的超启发式算法研究[J]. 计算机工程与应用, 2019, 55(7): 220-225.
[13]	刘茜1，毛力1，杨弘2. 差分进化引导趋化算子的烟花优化算法[J]. 计算机工程与应用, 2019, 55(3): 140-146.
[14]	连玮. 采用树表示的全局最优形状匹配算法[J]. 计算机工程与应用, 2019, 55(1): 217-225.
[15]	姜圣涛，穆学文. 广义模糊熵图像阈值分割参数选取的ADE方法[J]. 计算机工程与应用, 2018, 54(9): 183-188.