论文部分内容阅读
目前,工程上的优化问题越来越棘手,传统的解决方法已经无法高效地解决这些难题。生活中常见的现象,比如说鸟群协作进行的捕食行为、蚂蚁能找到偏僻角落的甜食以及头脑简单的蜜蜂却构造出世界上最神奇的建筑等,都是由简单生物表现出的群智能,人类从中获得灵感提出了群智能算法,人工蜂群算法正是其中的一种。该算法一经提出,由于其结构简单易实现、性能优越,越来越多研究人员对其进行研究。人工蜂群算法虽然优秀,但是其存在很多优化算法都存在的缺点——收敛速度慢。本文通过分析其收敛速度慢的原因,并针对分析结果进行改进提出了基于局部和全局信息交互的人工蜂群算法(ABCLGII)。本文首先描述了人工蜂群算法的研究背景及发展,然后分析了人工蜂群算法存在的不足,设计了ABCLGII算法,之后通过在数值优化问题及在车辆路径问题上的应用去验证ABCLGII算法的有效性。本文的主要工作如下:1)本文分析人工蜂群算法存在的不足,设计了基于局部和全局信息交流的人工蜂群算法(ABCLGII)。该算法主要的创新点在于增强同类蜜蜂之间的信息交互,充分利用优秀个体的信息对种群的搜索进行引导。ABCLGII通过三个新颖的搜索公式以及一个自适应选择策略去实现上述机制,通过这种方式使得蜂群从原来盲目独立的搜索变为有方向性的合作式搜索,提升了种群全局收敛速度,由此改善算法搜索性能。通过ABCLGII与其它算法在22个标准测试函数的数据对比,验证了ABCLGII算法存在一定的优势。2)本文将改进的人工蜂群算法应用到车辆路径问题上,通过将种群个体向量进行离散化,使得一个个体即代表一条路径,然后使用ABCLGII算法进行不断地迭代进化,找出以运输成本最低为目标的最优车辆路径。通过ABC、遗传算法和ABCLGII算法的运行数据对比,验证了ABCLGII算法在实际应用问题的优势。