|
|||||
|
|
| 基于反向学习的人工蜂群算法收敛性研究 | |
| 摘 要： | 目的研究人工蜂群算法在搜索方面表现较好而在开采方面表现相对薄弱及人工蜂群算法收敛性证明较少的情况,解决标准的人工蜂群算法容易除局部最优和早熟收敛问题.方法提出基于反向学习的人工蜂群算法,使算法跳出局部最优及早熟收敛,更利于找到最优解;利用Markov链等理论对基于反向学习的人工蜂群算法进行简单的收敛性分析,给出算法的基本实现步骤,并通过一组测试函数进行实验.结果采用GABC算法对种群大小为80,最大循环数为5000,独立运行30次进行实验,实验数据表明,D=30的OABC的实验数据略差于GABC,而D=60的OABC的标准差数据好于GABC和ABC算法.实验结果表明改进后的算法在许多方面比标准的人工蜂群算法有更好的表现.结论收敛性分析表明基于反向学习的人工蜂群算法具有较好的收敛性. |
| 本文献已被 CNKI 等数据库收录！ | |