[发明专利]一种基于增强局部搜索能力的人工蜂群优化方法

摘要

本发明的一种基于增强局部搜索能力的人工蜂群优化方法，通过采用一种遍历性好、分布均匀的高维混沌序列产生方式，在一定程度上避免了ABC中随机初始化的盲目性，采用基于对数的适应度评价方式，扩大了种群个体适应值的差异性，减小了选择压力，并采用一种增强局部搜索能力的搜索策略，在一定程度上有效地避免了陷入局部最优，从而提高了收敛速度，改善算法性能。

主权项

一种基于增强局部搜索能力的人工蜂群优化方法，其特征在于，包括以下步骤：步骤1、设置ESABC的参数，所述参数包括种群大小SN、采蜜蜂个数NE、跟随蜂个数NO、最大迭代次数MCN、个体维数D、阈值limit；步骤2、按公式(1)进行初始化，得到初始种群：其中，i＝1,2,…,SN,j＝1,2,…,D；SN表示食物源的数量；D表示解的维数；由公式(2)所得：所述公式(2)为洛伦兹混沌系统，通过该公式产生三组混沌迭代序列；其中，取x(0),y(0),z(0)为初始值，δ，γ，β为洛伦兹系统的参数，取值分别为δ＝10，β＝83,γ＞24.74，从产生的三组混沌序列中随机选一维，记作步骤3、根据公式(3)分别计算各个解的适应值fit，并将适应值排名前SN/2的解作为初始的采蜜蜂种群，剩余的蜜蜂则为观察蜂种群：fiti＝0.1/(0.1+1/|lgfi|),0≤fi≤10‑λ  (3)其中，fiti表示第i个个体的适应值，fi表示第i个个体的函数值，λ则由计算机的计算精度决定；步骤4、在由步骤3选择出来的采蜜蜂附近进行邻域搜索，搜索策略如公式(4)所示：其中，r为{1,2,…,SN}内的随机整数，且r≠i，i和j的含义同公式(1)，为[‑1,1]内的随机数，随机为第r个蜜蜂的第j维，代表当代种群中最优个体的第j维；步骤5、按照公式(3)计算其适应值fit_new，若fit<fit_new，更新当前采蜜蜂，trial(i)＝0,否则，trial(i)++；步骤6、对于跟随蜂，首先根据公式(5)计算选择概率P，以概率P(i)搜索新的食物源，然后转化为采蜜蜂进行邻域搜索，根据公式(3)计算适应值，比较并判断是否更新，同时修改标识向量trial(i)；其中概率计算如公式(5)所示：pi=fitiΣi=1SNfiti---(5)]]>步骤7、判断trial(i)>limit是否成立，若成立，则放弃该食物源，进入侦查蜂阶段，根据公式(1)生成新的食物源，若不成立，转至步骤8；步骤8、记录最优解；步骤9、判断是否满足终止条件iter≥MCN，若满足，则输出最优解，否则，返回步骤4。