摘要:

针对人工蜂群算法在求解函数优化问题中存在收敛精度不高、收敛速度较慢的问题，提出了一种改进的增强寻优能力的自适应人工蜂群算法。该算法利用逻辑自映射函数产生混沌序列对雇佣蜂搜索行为进行混沌优化，并引入萤火虫算法中的自适应步长策略动态调整观察蜂的搜索行为，从而提升了算法的局部搜索能力。基于标准测试函数的仿真结果表明，改进后的人工蜂群算法在寻优精度和收敛速度上均有明显提高。

摘要:

针对人工蜂群算法在求解函数优化问题中存在收敛精度不高、收敛速度较慢的问题，提出了一种改进的增强寻优能力的自适应人工蜂群算法。该算法利用逻辑自映射函数产生混沌序列对雇佣蜂搜索行为进行混沌优化，并引入萤火虫算法中的自适应步长策略动态调整观察蜂的搜索行为，从而提升了算法的局部搜索能力。基于标准测试函数的仿真结果表明，改进后的人工蜂群算法在寻优精度和收敛速度上均有明显提高。

摘要:

针对传统的DBSCAN(Density-Based Spatial Clustering of Application with Noise,DBSCAN)聚类算法全局参数设置不合理、参数选取困难、无法识别重叠模块的问题,以及人工蜂群优化算法(Artificial Bees Colony, ABC)后期收敛速度慢、易陷入局部最优等缺陷进行了研究,提出一种基于自适应人工蜂群优化DBSCAN的聚类算法IABC-DBSCAN.该算法将截断选择机制与锦标赛选择机制相结合,提出一种截断-锦标赛选择机制(Truncation-Championship Selection Mechanism,TCSM),以增强种群多样性、避免跟随蜂选择蜜源陷入局部最优的缺陷;提出一种自适应步长策略(Adaptive Step Strategy,ASS)动态调整跟随蜂的搜索方式,以提高算法局部搜索能力和聚类速度;根据改进的IABC算法动态调节DBSCAN算法中的最优参数,将蜜源位置对应ε邻域,蜜源的适应度大小对应DBSCAN的聚类效果,并在多种测试函数和数据集上进行验证.实验结果表明,该算法不仅有效克服ABC和DBSCAN算法的缺陷,且正确率和召回率均有较大提高.