具有Lévy飞行和反向学习的增强型人工蜂群算法

针对人工蜂群算法（artificial bee colony, ABC）存在寻优精度不高、收敛速度较慢、容易被局部极值吸引的不足，提出一种具有Lévy飞行和反向学习策略的增强型人工蜂群算法（enhanced artificial bee colony algorithm with Lévy flight and opposition-based learning strategy, ELOABC）。首先，在雇佣蜂和观察蜂阶段，引入Lévy飞行改进新产生的解，由于Lévy飞行具有随机步长性，因此可以避免算法陷入局部最优；其次，在侦查蜂阶段，变异解由停滞解和当前最优解的位置决定，再结合反向学习（opposition-based learning, OBL）策略生成变异解的反向解，保留两者中更好的解以提高算法解的精度；最后，利用15个基准测试函数对增强型人工蜂群算法的性能进行实验测试。实验结果表明，改进算法性能明显优于其它算法。