[发明专利]一种基于Levy搜索的混沌人工蜂群算法

说明书

本发明涉及一种基于Levy搜索的混沌人工蜂群算法。该算法引入混沌理论和Lévy飞行理论，实现了一种新的人工蜂群算法；即通过混沌理论对解进行初始化，加快算法收敛速度；在雇佣蜂寻优阶段加入全局最优解引导策略，提高算法全局搜素能力；在跟随蜂阶段加入Lévy飞行策略，跳出局部最优解，从而使得本发明算法平衡了全局和局部寻优能力，提高了寻优解的精度。

技术领域

本发明涉及一种基于Levy搜索的混沌人工蜂群算法。

背景技术

传统1989年“群体智能”这个概念^[1]，经过近30年的发展，群智能优化算法被运用在许多复杂实际问题当中，取得了很好的效果。

2005年Karaboga等人受蜜蜂觅食和跳舞行为的启发，提出了人工蜂群(Artificial Bee Colony)算法^[2-3]。通过模拟蜂群采蜜和舞蹈特性来进行寻优，快速得到局部最优解。人工蜂群算法效率高，求解效果好，受到广泛关注，已被成功应用于特征分类、人工神经网络训练、最小属性约简等领域。传统人工蜂群算法存在算法早熟、收敛速度慢，局部搜索能力强但全局寻优能力较差等缺点，随着人类面临的问题越来越复杂，对算法的寻优要求也越来越高，如何改善算法陷入局部最优，提高算法收敛速度，提高算法效率，尤其在遇到高维复杂问题时保持算法的稳定性，都成为人工蜂群算法优化中亟待解决的问题。

近年来也有众多学者提出人工蜂群算法的改进，在一定程度上提高了算法的全局寻优能力和求解精度。2015年，Zhang H[4]等人提出将改进人工蜂群算法用于集成电路布线领域；叶东毅[5]等人将粗糙集理论引入蜂群算法，并应用于最小属性约简问题。2017年，He Y[6]提出一种二进制人工蜂群算法来解决联盟背包问题，Cui L[7]将人口规模自适应方式引入人工蜂群算法，用于平衡算法的开发和搜索能力。综上所述，无论是从理论还是应用的角度考虑，对人工蜂群算法进行优化都具有学术研究价值和现实意义。

为了提高算法的全局寻优能力，提高寻优解的精度，引入混沌理论和Lévy飞行理论，本发明提出了一种新的人工蜂群算法(LABC)。

参考文献：

[1]Hinchey M G,Sterritt R,Rouff C.Swarms and swarm intelligence[J].Computer,2007,40(4):111-113.

[2]Karaboga D.An idea based on honey bee swarm for numericaloptimization[J].Technical Report-TR06.Kayseri，Turkey:Erciyes University，2005.

[3]Karaboga D,Basturk B.A powerful and efficient algorithm fornumerical function optimization:Artificial bee colony algorithm[J].Journal ofGlobal Optimization，2007，39(3):459－471.

[4]Zhang H,Ye D.Key-node-based local search discrete artificial beecolony algorithm for obstacle-avoiding rectilinear Steiner tree construction[J].Neural Computing and Applications.2015,26(4):875-898.

[5]叶东毅，陈昭炯.最小属性约简问题的一个有效的组合人工蜂群算法[J].电子学报.2015(05):1014-1020.