人工蜂群算法详解

1、，人工蜂群算法(Artificial Bee Colony，ABC)，蜂群算法简介，人工蜂群算法，模仿蜜蜂行为的最优化方法，集群智能思想的具体应用。主要特征是不需要知道问题的特殊信息，只需对问题进行优劣比较，通过各工蜂个人的局部最优化行为，最终从集团中跳出全球最优值，具有快速收敛速度。为了解决多元函数最优化问题，卡拉波加于2005年提出了人工蜂群算法ABC模型(artificial bee colony algorithm)。第一，蜜蜂采蜜的机器，蜜蜂是群居昆虫，单个昆虫的行为很简单，但由一个简单的个体组成的群体表现出很复杂的行为。实际上，蜜蜂群在任何环境下都能非常有效地从食物来源(花)中采蜜

2、。同时，他们能适应环境的变化。蜂群产生集体智能的最低搜索模型包含三个基本的茄子组件：食物来源、雇佣的蜜蜂、未雇佣的蜜蜂。两种最基本的茄子行为模式：食物来源招募蜜蜂和放弃膳食来源。首先，蜜蜂采蜜的机制；(1)食物来源：食物来源的价值由多种茄子因素决定。例如，远离蜂窝，包括蜂蜜的丰富和获取蜂蜜的难度。使用单一参数、食物来源的“收益率”来表示这些因素。(2)被雇佣的蜜蜂：也称为领导者，一一对应被采集的食物来源。带领蜜蜂存储有关一个食物来源的相关信息(蜂窝的距离、方向、食物来源的丰富度等)，并以一定的概率与其他蜜蜂共享牙齿信息。(3)未雇用的蜜蜂：主要任务是寻找食物来源和开采。两种未被雇佣的茄子蜜蜂是

3、侦察蜂和跟屁虫。侦察蜜蜂在蜂巢附近搜寻新的食物来源。沿着蜜蜂等呆在蜂窝里，通过与向导分享相关信息来寻找食物来源。一般来说，侦察蜂的平均数量是蜂群的5%到20%。一、蜜蜂采蜜的机制；(4)无用区域：在群体智慧形成的过程中，蜜蜂之间的信息交换是最重要的部分。无用地带是蜂窝中最重要的信息交换地。蜜蜂的舞蹈叫摇摆舞。食物来源的信息在舞蹈区域通过摇摆舞形式与其他蜜蜂共享，引导蜜蜂通过摇摆舞期间等表达食物来源的收益，所以可以选择沿着蜜蜂观察大量的舞蹈，根据收益给哪个食物来源补充蜂蜜。收益率与选择食物来源的可能性成正比。结果，蜜蜂被招募到任何食物来源的概率与食物来源的收益率成正比。在最初的瞬间，蜜蜂以侦察蜂

4、的身份搜索。该搜索可以由系统提供的先验知识决定，也可以完全随机。第一次调查后，当蜜蜂找到食物来源时，蜜蜂开始利用自己的储存能力记录位置信息，采蜜。牙齿点，蜜蜂将牙齿“被雇佣者”。蜜蜂从食物园采蜜后，返回蜂窝采蜜，除去蜂蜜，然后(1)放弃食物来源，成为蜜蜂，而不是雇佣蜜蜂。(2)摇摆舞跳跃为该食物来源招募更多蜜蜂，然后返回膳食来源采蜜。(。(3)不从继续等食物来源采蜜和招募。对于非龙蜂，(1)有转换成侦察蜂，搜索蜂窝附近食物来源的选项。该搜索可以由先验知识决定，也可以完全随机。(2)摇摆舞观察后，被聘用为后续蜜蜂，开始搜索相关食物来源邻居，采蜜。2，蜜蜂采蜜的过程，3，ABC算法原理，基本ABC

5、算法中人工蜂群由雇佣蜂、观察蜂、侦察蜂等三个茄子个体组成。每个雇佣蜜蜂相当于确定的食物来源(解向量)，在迭代中搜索蜂蜜来源的邻居。根据蜜源的丰富度(适应值的大小)，通过轮盘赌雇佣蜂房(搜索新蜜源)进行观察。如果蜜源多次更新也没有改善，就放弃该蜜源，将雇佣蜜蜂变成侦察蜂，随机搜索新的蜜源。(阿尔伯特爱因斯坦，美国电视电视剧，蜂蜜)，1。蜜源初始化，初始化时随机生成SN个可行的解决方案(等于雇佣蜜蜂数)，并计算适宜性函数值。随机生成可行解决方案的公式如下：(1)格式为xi(i=1，2，SN)是d维向量，d是优化的参数数，j1，2，d。2 .新蜜源的更新搜索公式，蜜蜂记录到目前为止的最佳值，现在在蜜

6、源附近开始搜索。基本ABC在蜜源附近搜索新蜜源的公式为： (2)式，j 1，2，D，k 1，2，SN。3 .观察蜜蜂选择雇佣蜜蜂的概率。仪式上观察fit(xi)与第一年的适应值相对应的蜜源的丰富性。蜜源越丰富，观察到的蜜蜂选择的概率就越高。4 .为了防止侦察蜂的产生，陷入算法局部最佳化，当某些蜜源不重复limit会时，放弃该蜜源，记录在禁忌表上，同时对应于该蜜源的雇佣蜜蜂变成侦察蜂，(1)任意创造新位置，代替原来的蜜源。4，基于基本ABC算法进程1:的(1)初始化群海Xi，I=1，SN 2:是群体中每只蜜蜂的适应值： Cycle=1 4: Repeat 5:雇佣蜂根据(2)新解决方案VI 新的

7、蜜源VI的适应值9:观察蜜蜂根据贪心的战略选择蜜源103360，决定是否有需要放弃的蜜源。 根据(1)随机生成蜜源，替代11:唱片最佳解决方案12: cycle=cycle 1 1: untilcycle=mcn以N个城市为例，编号从1到N，旅行结束的路径显示为1到N的排列组合。在人工蜂群算法中，每个前导蜜蜂或跟随蜜蜂的位置对应于一条路径的组合，膳食源的丰富度对应于牙齿路径的长度，适应度也对应于函数值，说明了膳食源的丰富度。也就是说，适应度值牙齿越小，代表主导蜜蜂或跟随蜜蜂位置的路径也越好。，5，实施人工蜂群算法解决方案TSP，实施算法，应对TSP问题和蜂群采蜜行为，更新战略，实现TSP问题的

8、算法中有两个阶段因素，即主导因素和转移因素。主导因素是指通过上一阶段的主导路径直接确定的城市间主导强度的大小；前一个因素是指蜜蜂从城市I到城市J的迁移强度，与主导因素和更新策略相关，一旦前一个因素标准化，就可以找到这两个城市的迁移概率，并算法实现。下一个选择城市为Ak=1，2，n- Tk。其中Ak表示蜜蜂K在下一步中可以选择的城市，Tk。Tk在蜜蜂继续选择下一个城市的同时动态调整。进化代数N牙齿每增加一次，每条路径的前一个元素就清算一次，前一个元素没有留下历史信息，只是根据牙齿一代的路径信息更新。所有蜜蜂完成一次迭代周期，每条路径上的前一个元素将根据样式(1)(2)(3)进行调整，以获得进退刀

9、路径矩阵LR。最后，采用第2级更新策略。更新策略、算法实现、1级：前导元素更新战略引导路径选择3茄子方法3360最短长度路径是引导路径。长度引线(或使用%作为引线路径)；上一代所有蜜蜂经过的路径是引导路径。更新战略、算法实现、更新战略、表达式的：N是进化代数。LR(N)表示N代路径长度对齐后获得的进退刀路径矩阵。Gm代表蜂群中蜜蜂的总数。Ij表示第K只蜜蜂在第N个重复周期中留在路径ij上的主导系数。、算法实施、更新战略、ABC算法、Bcs、Bqs和Bds。区别在于阅读器kij的计算表达式不同。在上述三种茄子模式中，后者利用本地信息，前者利用全部信息。其中：Q是前导常数。Lk是第K只蜜蜂在这次迭

10、代中经过的路径长度。Dij表示从第I城市到第j城市的距离。算法实现、更新战略、2级：以前的元素动态更新政策以前的元素更新、人工蜜蜂根据当前可供选择的城市和上一代设置的主导路径矩阵动态确定每个等待的城市以前的元素动态更新公式。算法实现、更新战略、格式中：kij为K。除了引导蜜蜂的路线外，可供选择的城市总数；过渡强度可选的城市总数。如果可选路径中没有蜜蜂经过的路径，则切换元素采用/。在这里，可选路径中有蜜蜂经过的路径，有蜜蜂经过的路径时，切换元素就像ij一样。如果选择其他路径，切换元素会将算法实现、战略更新、蜂群算法状态之前的战略以及蜂群中的总蜜蜂数设置为GM。Gm=存在sm FM牙齿。其中，sm取总数的1/c左右，C是常量，采用小于10的值以确保算法收敛的概率等于1。根据蜜蜂的传递系数大小概率选择路径。启发式系数ij=1/dij，dij(i，j=1，2，n)是城市I和城市J之间的欧式距离。表示前系数ij重要性的参数启发式因子ij的重要性的参数BS、BF和BL分别是侦察蜂、跟随蜂和前导蜜蜂的集合。对于侦察蜂，T是允许路径集，选择城市总数，配置累计集合序列Psum，累计集合序列位置表示城市标签，通过计算机生成(0，1)之间的随机数，并通过此确定Psum。为了提高解决方案的多样性，可以相应地增