PSO和ABC的混合优化算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (35): 32-34.

PSO和ABC的混合优化算法

刘俊芳1，张雪英1，宁爱平1，2

1.太原理工大学信息工程学院，太原 030024
2.太原科技大学电子信息工程学院，太原 030024

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-12-11 发布日期:2011-12-11

Hybrid optimization algorithm of PSO and ABC

LIU Junfang1，ZHANG Xueying1，NING Aiping1，2

1.Department of Information Engineering，Taiyuan University of Technology，Taiyuan 030024，China
2.Department of Electronic Information Engineering，Taiyuan University of Science and Technology，Taiyuan 030024，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-12-11 Published:2011-12-11

摘要/Abstract

摘要： 通过将粒子群优化（Particle Swarm Optimization，PSO）算法与人工蜂群（Artificial Bee Colony，ABC）算法相结合，提出一种ABC-PSO并行混合优化算法。在每次迭代中，将种群分为两个子种群，一个子种群使用PSO算法，另一个子种群使用ABC算法，两个算法寻优后进行比较，选出最优适应值。通过混合算法对4个标准函数进行测试，并与标准PSO算法进行比较，结果表明混合算法具有更好的优化性能。

关键词: 粒子群优化算法, 人工蜂群算法, ABC-PSO混合算法, 群体智能

Abstract: This paper proposes a parallel hybrid optimization algorithm of ABC-PSO by combining Particle Swarm Optimization（PSO） algorithm and Artificial Bee Colony（ABC） algorithm.In each iteration，the swarm is divided into two sub-groups，one sub-group evolves using PSO algorithm，the other sub-group evolves using ABC algorithm and then the two algorithms are compared after selecting the best fitness value.Through comparing the hybrid algorithm with the standard PSO algorithm in evolving solution to four standard functions，the results show that the ABC-PSO hybrid algorithm has a better optimization performance.

Key words: Particle Swarm Optimization（PSO） algorithm, Artificial Bee Colony（ABC） algorithm, ABC-PSO hybrid algorithm, swarm intelligence

刘俊芳1，张雪英1，宁爱平1，2. PSO和ABC的混合优化算法[J]. 计算机工程与应用, 2011, 47(35): 32-34.

LIU Junfang1，ZHANG Xueying1，NING Aiping1，2. Hybrid optimization algorithm of PSO and ABC[J]. Computer Engineering and Applications, 2011, 47(35): 32-34.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[3]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[4]	李雨鑫，李悦悦. 面向JIT采购的多目标车辆调度[J]. 计算机工程与应用, 2021, 57(12): 263-272.
[5]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[6]	李顺东，游晓明，刘升. 结合ABC算法动态分级的双蚁态蚁群算法[J]. 计算机工程与应用, 2020, 56(12): 37-46.
[7]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[8]	郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.
[9]	宋晓宇，高明海，赵明. 具有自适应搜索策略的混合人工蜂群算法[J]. 计算机工程与应用, 2019, 55(22): 53-59.
[10]	浦玉学，舒鹏飞，蒋祺，陈卫中. 工业机器人时间-能量最优轨迹规划[J]. 计算机工程与应用, 2019, 55(22): 86-90.
[11]	马炫，刘栋，胡家鑫. 求解必经点k条最优路径问题的粒子群优化算法[J]. 计算机工程与应用, 2019, 55(20): 89-94.
[12]	许德刚，赵萍. 蝙蝠算法研究及应用综述[J]. 计算机工程与应用, 2019, 55(15): 1-12.
[13]	王贞，李旭飞. 求解约束优化问题的自适应人工蜂群算法[J]. 计算机工程与应用, 2019, 55(15): 47-58.
[14]	张维存，张曼. 面向连续生产的供应链联合调度及算法[J]. 计算机工程与应用, 2019, 55(13): 246-253.
[15]	张戈，王建林. 基于混合ABC和CRO的高维特征选择方法[J]. 计算机工程与应用, 2019, 55(11): 93-101.