基于反向学习与Levy飞行的改进蜂群算法

赵挺; 孟子航; 沈海斌

doi:10.13873/J.1000-9787(2017)01-0111-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于反向学习与Levy飞行的改进蜂群算法

计算与测试 | 更新时间：2025-09-11

- 基于反向学习与Levy飞行的改进蜂群算法
- Improved bee colony algorithm based on opposition-based learning and Levy flight
- 传感器与微系统 2017年36卷第1期页码：111-114
- 作者机构：
  
  浙江大学超大规模集成电路设计研究所
- 作者简介：
- 基金信息：
  
  国家“863”计划资助项目（2012AA041701）
- DOI：10.13873/J.1000-9787(2017)01-0111-04
  中图分类号： TP18
- 纸质出版：2017
- 稿件说明：
移动端阅览
[1]赵挺,孟子航,沈海斌.基于反向学习与Levy飞行的改进蜂群算法[J].传感器与微系统,2017,36(01):111-114.

ZHAO Ting, MENG Zi-hang, SHEN Hai-bin. Improved bee colony algorithm based on opposition-based learning and Levy flight[J]. 2017, 36(1): 111-114.
[1]赵挺,孟子航,沈海斌.基于反向学习与Levy飞行的改进蜂群算法[J].传感器与微系统,2017,36(01):111-114. DOI： 10.13873/J.1000-9787(2017)01-0111-04.

ZHAO Ting, MENG Zi-hang, SHEN Hai-bin. Improved bee colony algorithm based on opposition-based learning and Levy flight[J]. 2017, 36(1): 111-114. DOI： 10.13873/J.1000-9787(2017)01-0111-04.

摘要

为了优化蜂群算法（BCA）

平衡局部搜索与全局搜索

避免算法陷入局部最优

并提高蜂群算法的收敛速度

提出了一种多策略改进的方法优化蜂群算法（MSO—BCA）。算法在种群初始化阶段采用了反向学习（OBL）初始化的方法;在种群更新与邻域搜索中采用了具有Levy飞行特征的改进搜索策略。经过对经典Benchmark函数的反复实验并与其他算法的比较

表明了所提出的算法具有良好的加速和收敛效果

提高了全局搜索能力与效率。

Abstract

In order to optimize bee colony algorithm（ BCA）

balance local and global search capability

avoid falling into local optimum and accelerate convergence speed of BCA

an improved algorithm multi-strategy optimized（ MSO—BCA） is presented. The new algorithm constructs the initial population by using opposition-based learning（ OBL） and levy flight inspired search strategy is designed to replace the original random step. The experiments on a set of benchmark functions show that the proposed algorithm has better performance than other BCA-based algorithms

especially on accelerating and convergence and the global search ability and efficiency.

关键词

Keywords

references

基于分治策略的改进人工蜂群算法 [J]. 李田来,刘方爱,王新华. 控制与决策 . 2015(02)

基于改进人工蜂群算法的WSNs覆盖优化 [J]. 王鑫,谭华忠,蒋华. 传感器与微系统 . 2014(07)

具有Lévy飞行特征的蝙蝠算法 [J]. 刘长平,叶春明. 智能系统学报 . 2013(03)

嵌入粒子群优化算法的混合人工蜂群算法 [J]. 杨琳,孔峰. 自动化仪表 . 2013(01)

A novel technique for blind source separation using bees colony algorithm and efficient cost functions [J] . A. Ebrahimzadeh,S. Mavaddati. Swarm and Evolutionary Computation . 2013

Cluster based wireless sensor network routing using artificial bee colony algorithm [J] . Dervis Karaboga,Selcuk Okdem,Celal Ozturk. Wireless Networks . 2012 (7)

Gbest-guided artificial bee colony algorithm for numerical function optimization [J] . Guopu Zhu,Sam Kwong. Applied Mathematics and Computation . 2010 (7)

A Numerical Evaluation of Several Stochastic Algorithms on Selected Continuous Global Optimization Test Problems [J] . M. Montaz Ali,Charoenchai Khompatraporn,Zelda B. Zabinsky. Journal of Global Optimization . 2005 (4)

浏览量

321

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据