学习猴群爬过程的人工蜂群优化算法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (27): 53-57.

学习猴群爬过程的人工蜂群优化算法

贾瑞民1，何登旭2，石绍堂1

1.广西民族大学信息科学与工程学院，南宁 530006
2.广西民族大学东盟学院，南宁 530006

出版日期:2012-09-21 发布日期:2012-09-24

Artificial Bee Colony optimization algorithm studying climb process of Monkey Algorithm

JIA Ruimin1, HE Dengxu2, SHI Shaotang1

1.College of Information Science and Engineering, Guangxi University for Nationalities, Nanning 530006, China
2.College of Association of Southeast Asian Nations, Guangxi University for Nationalities, Nanning 530006, China

Online:2012-09-21 Published:2012-09-24

摘要/Abstract

摘要： 针对人工蜂群算法迭代后期容易陷入局部的缺点，将猴群算法的爬过程引入到采蜜蜂采蜜的阶段，加强局部搜索。通过仿真实验测试，与参考文献中的改进算法进行比较，可以得到提出的改进算法比原人工蜂群算法及现有的部分改进算法性能优良，能够在一定程度上跳出局部最优，得到的近似解也更加接近测试函数理论最优解。

关键词: 人工蜂群算法, 猴群算法, 爬过程, 局部搜索

Abstract: An improved Artificial Bee Colony（ABC） algorithm is proposed to overcome the flaw of standard ABC by introducing the climb process of Monkey Algorithm to update food source in order to enhance the local search ability at the stage of employ bees. Simulation results show that the proposed algorithm has better performance than ABC and the other kinds of improved algorithms put forward literally. It can jump out of local optima in a certain extent and get approximate solutions which are much closer to the theoretical solutions of the test functions.

Key words: Artificial Bee Colony algorithm（ABC）, Monkey Algorithm, climb process, local search

贾瑞民1，何登旭2，石绍堂1. 学习猴群爬过程的人工蜂群优化算法[J]. 计算机工程与应用, 2012, 48(27): 53-57.

JIA Ruimin1, HE Dengxu2, SHI Shaotang1. Artificial Bee Colony optimization algorithm studying climb process of Monkey Algorithm[J]. Computer Engineering and Applications, 2012, 48(27): 53-57.

[1]	徐辰华，骆珠光，吴冠宏，刘斌. 基于正弦因子和量子局部搜索的灰狼优化算法[J]. 计算机工程与应用, 2021, 57(24): 83-89.
[2]	郝翔，贺毅朝，朱晓斌，翟庆雷. 基于离散混合多宇宙算法求解折扣{0-1}背包问题[J]. 计算机工程与应用, 2021, 57(18): 103-113.
[3]	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.
[4]	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.
[5]	闫苗苗，刘三阳. 多班级交互式教学优化算法[J]. 计算机工程与应用, 2019, 55(9): 10-16.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	刘春苗，张惠珍. 求解无容量设施选址问题的混合蝙蝠算法[J]. 计算机工程与应用, 2018, 54(22): 28-34.
[13]	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.
[14]	徐小平，张东洁. 基于猴群算法求解旅行商问题[J]. 计算机工程与应用, 2018, 54(2): 144-148.
[15]	董小帅1，2，3，毛政元1，2，3. 基于改进遗传算法的动态路径规划研究[J]. 计算机工程与应用, 2018, 54(19): 49-55.