一种改进的蜜蜂进化型遗传算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (30): 47-49.

一种改进的蜜蜂进化型遗传算法

赵谦，徐蔚鸿

长沙理工大学计算机与通信工程学院，长沙 410114

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-10-21 发布日期:2011-10-21

Novel improved bee evolutionary genetic algorithm

ZHAO Qian，XU Weihong

School of Computer and Communication Engineering，Changsha University of Science and Technology，Changsha 410114，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-10-21 Published:2011-10-21

摘要/Abstract

摘要： 提出了一种改进的蜜蜂进化型遗传算法。在该算法中，通过分析随机种群规模对算法收敛性能的影响，可以发现在算法的搜索过程中，对随机种群规模的需求是随群体状态的演变而动态变化的。为实现对随机种群规模的优化，提出使用分阶段调整的策略对随机种群规模进行动态调控，由于随机种群规模的渐进式变化，不但保证了种群的多样性，同时提高了算法的收敛速度和精度。对典型高维函数的优化实验结果表明了算法的有效性和可行性。

关键词: 遗传算法, 蜜蜂, 随机种群规模, 收敛性

Abstract: An improved bee evolutionary genetic algorithm has been proposed.In the algorithm，based on the analysis of relationship between the random population scale and performance of convergence，it can be found that the random population scale is dynamically adjusted to the population structure.The well-phased control strategy is built up to adjust the random population scale.Because the scale of random population changes step by step，it can ensure the diversity of population，in the same time，it can also improve speed and accuracy of convergence.The simulation tests of the classical function show that the proposed algorithm is effective and feasible.

Key words: genetic algorithm, bee, random population scale, convergence

赵谦，徐蔚鸿. 一种改进的蜜蜂进化型遗传算法[J]. 计算机工程与应用, 2011, 47(30): 47-49.

ZHAO Qian，XU Weihong. Novel improved bee evolutionary genetic algorithm[J]. Computer Engineering and Applications, 2011, 47(30): 47-49.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[6]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[7]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[8]	陈雷，尹钧圣. 高斯差分变异和对数惯性权重优化的鲸群算法[J]. 计算机工程与应用, 2021, 57(2): 77-90.
[9]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[10]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[11]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[12]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[13]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[14]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.
[15]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.