求解非线性方程的混合人工蜂群算法

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (10): 48-51.

求解非线性方程的混合人工蜂群算法

张姣玲1，林桂友2，许国良1

1.广东技术师范学院计算机科学系，广州 510665
2.肇庆百花园小学，广东肇庆 526020

出版日期:2014-05-15 发布日期:2014-05-14

Hybrid artificial bee colony algorithm for solving nonlinear equation

ZHANG Jiaoling1, LIN Guiyou2, XU Guoliang1

1.Department of Computer Science, Guangdong Polytechnic Normal University, Guangzhou 510665, China
2.Baihuayuan Primary School, Zhaoqing, Guangdong 526020, China

Online:2014-05-15 Published:2014-05-14

摘要/Abstract

摘要： 结合牛顿法和人工蜂群算法的优点，提出了一种混合人工蜂群算法（HABC），用于求解非线性方程，以克服牛顿法对初始值敏感和人工蜂群算法容易陷入局部极值、收敛速度慢的缺陷。实验仿真结果表明，混合人工蜂群算法能以满意的精度求出对未知数具有敏感性的非线性方程的解，具有较快的收敛速度和较高的搜索精度。

关键词: 人工蜂群算法, 非线性方程, 牛顿法

Abstract: A Hybrid Artificial Bee Colony（HABC） algorithm, which combines the advantages of newton method and artificial bee colony algorithm, is put forward to solve nonlinear equation, and it can be used to overcome the difficulty in selecting good initial guess for newton method and inaccuracy of ABC due to being easily trapped into local optimal. Numerical computations show that the approach has high convergence rate and precision, and it can give satisfactory solutions.

Key words: artificial bee colony algorithm, nonlinear equation, Newton method

张姣玲1，林桂友2，许国良1. 求解非线性方程的混合人工蜂群算法[J]. 计算机工程与应用, 2014, 50(10): 48-51.

ZHANG Jiaoling1, LIN Guiyou2, XU Guoliang1. Hybrid artificial bee colony algorithm for solving nonlinear equation[J]. Computer Engineering and Applications, 2014, 50(10): 48-51.

[1]	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.
[2]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	魏锋涛，岳明娟，郑建明. 基于多策略融合的改进人工蜂群算法[J]. 计算机工程与应用, 2018, 54(5): 111-116.
[9]	刘明辉1，李炜2. 基于knee points的改进多目标人工蜂群算法[J]. 计算机工程与应用, 2018, 54(2): 40-47.
[10]	黄亚飞，王国富，张法全，叶金才. 基于蜂群算法和带参阈值函数的图像去噪方法[J]. 计算机工程与应用, 2018, 54(17): 164-168.
[11]	张伟灿，何选森. 基于改进蜂群聚类的欠定盲源分离[J]. 计算机工程与应用, 2018, 54(17): 243-248.
[12]	林诗洁1，2，董晨1，2，陈明志1，2，张凡1，2，陈景辉1，2. 新型群智能优化算法综述[J]. 计算机工程与应用, 2018, 54(12): 1-9.
[13]	李艳娟，陈阿慧. 基于禁忌搜索的人工蜂群算法[J]. 计算机工程与应用, 2017, 53(4): 145-151.
[14]	冯玉芳，卢厚清，殷宏. 基于多链量子蜂群算法的模糊聚类图像分割[J]. 计算机工程与应用, 2017, 53(24): 8-14.
[15]	孙延鹏1，2，陈晶晶2，屈乐乐2. 基于拟牛顿法和块稀疏重建的TWR成像算法[J]. 计算机工程与应用, 2017, 53(23): 212-216.