优化算法——人工蜂群算法ABC.doc

优化算法——人工蜂群算法ABC
优化算法——人工蜂群算法ABC
优化算法——人工蜂群算法ABC
优化算法-—人工蜂群算法(ＡBＣ)
一、人工蜂群算法的介绍
   　
手机微信关注公众号ID：ｄatadw 学习数据挖掘,研究大数据，关注你想了解的,(Ａrtｉfｉcｉａl　Beｅ Colｏny， ＡＢC）是由Kaｒaｂoｇａ于2005年提出的一种新颖的基于群智能的全局优化算法，其直观背景来源于蜂群的采蜜行为,蜜蜂根据各自的分工进行不同的活动,并实现蜂群信息的共享和交流,.
二、人工蜂群算法的原理
    1、原理
   　    标准的ＡBC算法通过模拟实际蜜蜂的采蜜机制将人工蜂群分为３类： 采蜜蜂、观察蜂和侦察蜂。整个蜂群的目标是寻找花蜜量最大的蜜源。在标准的ABC算法中，采蜜蜂利用先前的蜜源信息寻找新的蜜源并与观察蜂分享蜜源信息;观察蜂在蜂房中等待并依据采蜜蜂分享的信息寻找新的蜜源;侦查蜂的任务是寻找一个新的有价值的蜜源,它们在蜂房附近随机地寻找蜜源．
     　 　假设问题的解空间是维的,采蜜蜂与观察蜂的个数都是，采蜜蜂的个数或观察蜂的个数与蜜源的数量相等．，蜜源的花蜜量对应于相应的解的适应度。一个采蜜蜂与一个蜜源是相对应的。与第个蜜源相对应的采蜜蜂依据如下公式寻找新的蜜源：
优化算法——人工蜂群算法ABC
优化算法——人工蜂群算法ABC
优化算法——人工蜂群算法ABC
其中,，,是区间上的随机数，.标准的ABC算法将新生成的可能解与原来的解作比较，并采用贪婪选择策略保留较好的解。每一个观察蜂依据概率选择一个蜜源，概率公式为
其中,，，如果一个蜜源的适应值在给定的步骤内(定义为控制参数“limit”)　没有被提高，　则丢弃该蜜源，而与该蜜源相对应的采蜜蜂变成侦查蜂，侦查蜂通过已下公式搜索新的可能解。
其中,是区间上的随机数，和是第维的下界和上界。
    2、流程
初始化；
重复以下过程：
将采蜜蜂与蜜源一一对应,根据上面第一个公式更新蜜源信息，同时确定蜜源的花蜜量；
观察蜂根据采蜜蜂所提供的信息采用一定的选择策略选择蜜源，根据第一个公式更新蜜源信息，同时确定蜜源的花蜜量;
确定侦查蜂，并根据第三个公式寻找新的蜜源；
记忆迄今为止最好的蜜源；
判断终止条件是否成立；
优化算法——人工蜂群算法ABC
优化算法——人工蜂群算法ABC
优化算法——人工蜂群算法ABC
三、人工蜂群算法用于求解函数优化问题
 　  对于函数
其中。
代码:
［ｃpｐ］ viｅｗ　plaiｎｃoｐｙ
＃incｌude〈ｉoｓtream＞  
＃ｉnclude＜〉  
＃iｎclｕdｅ＜stdｌib。ｈ＞  
#iｎcｌuｄe<cmａｔｈ>  
＃iｎclude〈fstrｅaｍ〉  
＃ｉncｌude<iｏmaniｐ＞  
usiｎg nａｍeｓpace ｓtd；  
  
coｎｓｔ int NＰ＝4０;/／种群的规模,采蜜蜂＋观察蜂  
ｃonｓｔ iｎt FoodNｕｍber=ＮP/２;/／食物的数量，为采蜜蜂的数量  
conｓt ｉｎt liｍiｔ＝20；//限度,超过这个限度没有更新采蜜蜂变成侦查蜂  
coｎst iｎｔ ｍaxCｙcle=10０00；／/停止条件  
  
/*****函数的特定参数＊＊＊**／  
coｎst ｉnｔ Ｄ=2;／／函数的参数个数  
ｃｏｎsｔ ｄoublｅ lｂ=—100;//函数的下界   
cｏnst doｕｂle uｂ＝１00；//函数的上界  
  
douｂｌｅ ｒesulｔ[maxCycle］=｛0｝；  
  
／＊＊＊**种群的定义*＊＊*/  
ｓtruｃt BｅeＧroｕp  
｛  
    doublｅ code［D];/／函数的维数  
    ｄouｂlｅ truｅFit;//记录真实的最小值  
优化算法——人工蜂群算法ABC
优化算法——人工蜂群算法ABC
优化算法——人工蜂群算法ABC
    dｏｕble fiｔｎess;  
    dｏuｂle rｆitness；//相对适应值比例  
    inｔ traｉｌ；//表示实验的次数,用于与limit作比较  
｝Beｅ［FoodNumber];