黄 珊，高兴宝

陕西师范大学 数学与信息科学学院，西安 710119

具有学习及十字交叉搜索的人工蜂群算法*

黄 珊+，高兴宝

陕西师范大学 数学与信息科学学院，西安 710119

为克服人工蜂群算法搜索策略的局部搜索能力较弱且计算资源分布不均匀等缺点，提出了一种改进人工蜂群算法。首先对雇佣蜂和瞭望蜂，分别设计了新搜索策略，提高了在精英解和全局最好解邻域内的搜索能力；其次对依概率选取的瞭望蜂，采用局部学习策略，加快了收敛速度并增强了全局寻优能力；最后为平衡全局搜索和局部开发，利用十字交叉搜索增强瞭望蜂和全局最好解的局部搜索能力，维持了种群多样性，从而避免了早熟收敛现象。对10个标准测试函数和30个CEC2014测试函数集进行仿真实验，并与四种人工蜂群算法和两种非人工蜂群算法进行比较，结果表明改进的人工蜂群算法全局寻优能力强且提高了收敛速度和精度。

人工蜂群算法（ABC）；十字交叉搜索；局部学习；数值优化；邻域搜索

1 引言

优化技术在工程设计、运筹学、生产运营、科学和信息等相关领域中[1]扮演着至关重要的角色，是解决复杂问题的有效方法。然而，现实世界中的许多问题不连续或存在许多局部极小，因此使用传统方法难以求解。而作为重要的随机搜索方法，进化计算已成功运用于解决许多非凸、不连续、多峰优化问题[2]，并且受到了广泛的关注。受蜜蜂觅食行为的启发，Karaboga于2005年提出了人工蜂群算法（artificial bee colony，ABC）[3]。……