安徽省优秀青年科技基金(2011SQRL018)
- 作品数：3 被引量：23H指数：3
- 相关作者：邱剑锋汪继文谢娟杨丹王心灵更多>>
- 相关机构：安徽大学安徽建筑大学更多>>
- 发文基金：安徽省优秀青年科技基金国家自然科学基金安徽省高校省级自然科学研究项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 改进人工蜂群算法求解非线性方程组被引量：10
- 2014年
- 针对传统的人工蜂群算法在处理单峰问题时收敛速度较慢、多峰时易陷入局部最优等缺点,通过借鉴差分进化算法中变异算子的作用,提出了一种改进的人工蜂群算法.该改进算法在对蜜源邻域的搜索过程中引入了个体当前最优值及随机向量,从而加快算法的收敛速度,并且在一定程度上防止多峰问题易陷入局部最优的不足,提高算法的搜索能力.最后将改进的算法应用到求解基本函数和非线性方程组上,测试改进算法的性能.结果表明,改进的算法能够有效避免陷入局部最优,并能较大幅度地提高收敛速度和收敛精度.
- 汪继文杨丹邱剑锋王心灵
- 关键词：群智能非线性方程组人工蜂群算法差分进化随机向量
- 基于交叉突变算子的人工蜂群算法及其应用被引量：10
- 2014年
- 人工蜂群(artificial bee colony,ABC)算法在解决多峰函数优化问题时经常会陷入局部最优,使得算法过早停滞,而在解决单峰问题时往往出现收敛速度过慢的问题。针对上述不足,为了进一步提高算法的优化性能,提出了一种基于交叉突变的人工蜂群(intersect mutation ABC,IMABC)算法。IMABC算法将整个蜂群依据其适应度值优劣进行划分,引入种群划分参数,对不同种群中的个体运用交叉突变算子,有效地平衡了种群的局部开采与全局探测能力,避免早熟收敛和提高收敛速度。从对基本函数的测试上可以看出,IMABC相对于GABC、IABC、ABC/best等改进的ABC算法,优化能力有了较大的提高。最后,将IMABC用于优化K-means算法,验证了该方法具有一定的实用性。
- 邱剑锋谢娟汪继文
- 关键词：人工蜂群算法差分进化函数优化K-均值
- 具有双重认知能力的人工蜂群算法及性能分析被引量：3
- 2014年
- 针对人工蜂群算法在解决单峰问题时收敛速度过慢而在优化多峰问题时易陷入局部最优值的问题,依据群体动力学原理,引入"自我认知能力"和"社会认知能力"对蜂群觅食时的蜜源搜索策略进行改进,提出了具有双重认知策略的人工蜂群算法。用经典的标准测试函数进行了实验并与其他改进算法进行了比较,结果表明,改进的搜索策略提高了算法的优化能力,优于其他改进的人工蜂群算法。
- 谢娟邱剑锋闵杰汪继文
- 关键词：人工蜂群算法群体动力学
