一种遗传学习人工蜂群算法

• 作者: 刘广钟 杜振鑫 韩德志
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 人工蜂群算法 遗传学习框架 初始化策略 局部最优解 收敛速度
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 1420-1425
• 页数: 6页
• 分类号: TP18
• 字数: 6286字
• 语种: 中文

摘要

在人工蜂群算法及其变种中,侦察蜂采用随机初始化的方法生成新食物源,容易造成前期计算资源的浪费和陷入局部最优解.解决这个问题的一个重要方法是引入新的操作算子,弥补算法的不足.最近提出的遗传学习算子(GL)是遗传算法(GA)的最新改进版本,较好的平衡了全局搜索能力与加速收敛之间的矛盾,对比GA具有较大优势,可以作为一个较好的选择.本文将GL算子引入到多种人工蜂群算法变种的侦察蜂阶段,通过有效组合多个优秀个体的信息产生更有希望的新实物源,防止算法早熟.通过在多个精英解上完成GL算子的交叉、变异与选择操作,新产生的食物源具有较高的多样性和较高的质量.在著名的CEC2014函数集上的实验结果表明,GL算子可以作为一种通用框架嵌入到多种最新提出的改进ABC算法中,显著提高这些算法的收敛速度与搜索精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘广钟	上海海事大学信息工程学院	82	231	8.0	10.0
2	韩德志	上海海事大学信息工程学院	21	109	5.0	10.0
3	杜振鑫	上海海事大学信息工程学院	5	19	3.0	4.0