高雷阜,佟盼

(辽宁工程技术大学理学院,辽宁阜新123000)

遗传-人工蜂群融合算法及其Markov收敛性分析

高雷阜,佟盼

(辽宁工程技术大学理学院,辽宁阜新123000)

本文研究了遗传算法易发生“早熟”以及人工蜂群算法在搜索初期寻优速度慢的问题.基于将遗传算法与人工蜂群算法融合以实现二者互补的思想,提出遗传-人工蜂群融合算法（G-ABCA）,利用马尔可夫理论对其收敛性进行了理论分析,证明其适应度函数值序列（即优化解满意值序列）是单调且收敛的,并利用四个经典的多峰测试函数对遗传-人工蜂群融合算法、改进的遗传算法以及人工蜂群算法进行了对比实验分析,结果表明:遗传-人工蜂群融合算法不仅收敛,而且其寻优性能显著优于其它两种算法.

遗传算法;人工蜂群算法;融合;马尔可夫过程;收敛性

1 引言

遗传算法(Genetic Algorithm,GA)是一种随机搜索算法,具有全局搜索能力和较强的鲁棒性,但是,系统中的反馈信息得不到充分利用,容易陷入“早熟”[1-2],而且算法中的遗传操作比较耗时.

人工蜂群算法(Artificial Bee Colony Algorithm,ABCA)是Karaboga[3]在2005年提出的一种基于蜜蜂采蜜的群体智能优化算法,在搜索过程中仅以适应度函数作为进化依据[4],反馈信息得到充分利用,在每次的迭代过程中都进行全局和局部搜索,极大地提高了找到最优解的概率,但是,算法在初期寻优速度较慢.

遗传-人工蜂群融合算法(Genetic-Artificial Bee Colony Algorithm,G-ABCA)正是基于遗传算法与人工蜂群算法的优缺点,在初期采用改进的遗传算法得到“蜜源”分布……