郭书杰,王步云,吕玉鹏

(91550部队 指控中心，辽宁 大连 116023)*

基于邻域分割的多种群协同进化人工蜂群算法

郭书杰,王步云,吕玉鹏

(91550部队 指控中心，辽宁 大连 116023)*

在人工蜂群算法中，随着优化过程的进行，蜂群的多样性会急剧降低，进而导致算法陷入局部最优.针对这一问题，提出了基于邻域分割的多种群协同进化人工蜂群算法，该算法将待解问题的解空间分割成相互独立的多个领域，在每个领域上和整个解空间上分别使用不同的蜂群来优化，并且定期进行蜜源信息的交换，来提高蜂群的多样性.使用标准函数对改进算法的优化性能进行了测试，测试结果表明改进后的算法具有更好的全局寻优能力.

人工蜂群算法；函数优化；群智能

0 引言

为了解决函数优化的问题，由Karaboga于2005年提出的了人工蜂群算法[1- 2](artificial bee colony algorithm，以下简称ABC 算法)，该算法是一种新兴的模拟生物群体智能的优化方法，具有实现简单、参数数量较少、应用范围广等多种优点.Karaboga和Akay的研究结果表明，ABC算法的性能比差分进化算法、微粒群算法以及遗传算法等常见的群体智能优化算法更具优势[3].鉴于ABC算法的上述优点，ABC算法已经被成功地应用于解决多种不同类型的实际优化问题，如参数优化[4]、符号回归[5]、神经网络[6- 7]以及路径优化问题[8]等.尽管ABC算法具有诸多优点，但也存在着过早收敛、局部搜索能力较弱等缺点.为了解决这些问题，在对算法优化过程进行详细研究的基础上，对算法做了改进，提出……