胡红萍， 崔霞霞， 续 婷， 白艳萍

(中北大学 理学院， 山西 太原 030051)

一类改进的人工蜂群算法

胡红萍， 崔霞霞， 续 婷， 白艳萍

(中北大学 理学院， 山西 太原 030051)

对2005年Karaboga提出的模仿蜜蜂觅食行为的人工蜂群算法进行了研究， 将粒子群算法中的惯性权重引入到人工蜂群算法中， 提出了带惯性权重的改进的人工蜂群算法(Improved artificial bee colony algorithm with inertia weight,ABCIW)的方法. 将ABCIW算法应用于求解基准函数的最小值问题， 进而应用于优化BP神经网络的参数， 对中国手足口病发病人数进行预测. 与基本人工蜂群算法、 快速人工蜂群算法和带记忆的人工蜂群算法相比较， ABCIW算法更适合解决函数的优化问题. 对中国手足口病发病人数的预测说明了ABCIW算法具有较好的预测结果和较高的稳定性.

人工蜂群算法； 基准函数； 手足口病； 预测

0 引 言

2005年由Karaboga[1]提出的人工蜂群算法(Artificial bee colony algorithm, ABC)是一种模拟蜜蜂觅食行为的群智能算法. ABC 算法的优点在于仅有三个可调节参数： 种群大小， 最大循环次数和搜索最大参数. 研究学者已经成功地将ABC算法应用于很多方面， 例如聚类[2], 函数优化问题[3-6]， 优化神经网络[7], 最优能量流[8], 无线传感网络[9]和医药科学[10].

根据功能性的不同， ABC算法包括雇佣蜂， 跟随蜂和侦查蜂三个阶段. 许多学者集中在雇佣蜂和跟随蜂的邻域搜索和侦查蜂的探索参数limit. 现在已经存在很多改进的ABC算法， 例如由GABC[4], qABC[11], FABC[5], MuABC[12], ABCM[3].In ABC和大多数改进的ABC， 在邻域搜索中采用轮盘赌选择策略.

在神经网络中， 好的权值和偏差能让神经网络运行得到好的结果. 因……