[发明专利]一种有效初始化人工蜂群算法种群的佳点集构造方法

说明书

本发明公开了一种有效初始化人工蜂群算法种群的佳点集构造方法，涉及计算智能技术领域，解决了由于部分佳点取法受限于指数函数取点的约束，收敛速度太慢，还有部分佳点取法由于存在失效个体影响了算法性能的问题，其技术方案要点是：基于数学家华罗庚的佳点集理论，提出第三种佳点取法，能让r_k的值都是正数，而{r_ki}能让每个点的各维参数值都在单位立方体G_s内，用这种佳点取法构造人工蜂群算法中的初始种群，使G_s中的s与人工蜂群算法的问题维度D相等，G_s中的n个点集与SN个蜜源相对应，具有使佳点取法中每个佳点均能够在单位立方体中，避免传统的佳点取法受限于指数函数约束和存在失效个体从而影响算法性能的情况发生的效果。

技术领域

本发明涉及计算智能技术领域，更具体地说，它涉及一种有效初始化人工蜂群算法种群的佳点集构造方法。

背景技术

人工蜂群算法(Artificial Bee Colony algorithm，ABC)是一种模拟蜜蜂采蜜行为的算法。在人工蜂群算法中，引领蜂(雇佣蜂)是采蜜蜂，而观察蜂(跟随蜂)和侦察蜂(侦查蜂)是待采蜜蜂。引领蜂搜索蜜源并分享其信息以招募观察蜂一起去采蜜。观察蜂按照与这些蜜源质量成正比的概率去寻找蜜源。侦察蜂没有任何蜜源信息，只是自发地随机搜索蜂巢周围的蜜源。引领蜂和观察蜂各占种群规模的一半。每个蜜源仅有一只引领蜂搜索。换言之，引领蜂或观察蜂的数量与蜜源个数相等。如果某个蜜源经过预定义的limit次尝试后未得到进化，则这个蜜源就被与之关联的引领蜂放弃，该引领蜂则变成侦察蜂，这时用侦察蜂随机找到的新蜜源取代被放弃的蜜源。

人工蜂群算法中的初始种群是随机产生的，而初始种群的质量会直接影响该算法的性能。数学家华罗庚于1978年提出佳点集理论。佳点集是单位空间中上好的均匀散布集合序列，用佳点集理论取点要比随机法偏差小很多。这是用佳点集方法取点会使算法快速收敛的理论依据。

目前，很多研究者在设计各种算法时主要用佳点集理论产生初始化种群以保持种群的多样性和设计佳点交叉操作避免算法早熟收敛。例如，王坚浩用佳点集理论构造初始种群，提出一种基于入侵杂草蝙蝠混合算法的双子群任务规划方法；宁桂英用佳点集理论产生初始种群，提出一种求解0-1规划问题的差分进化算法；孙博文用佳点集理论初始化种群，提出一种改进灰狼优化算法与DV-Hop融合的算法；左姣姣用佳点集理论初始化种群，提出融合协同进化人工鱼群算法和支持向量机的雾霾预测方法；李敬明用佳点集理论初始化种群，提出一种基于数论佳点萤火虫算法与BP神经网络并行集成学习算法的旱情预测模型；伍铁斌用佳点集理论初始化种群，提出一种基于对数函数描述收敛因子的改进灰狼优化算法；韩博文用佳点集理论初始化种群，提出一种利用多策略融合量子粒子群算法进行多目标优化的解决方法；张玲用佳点集理论重新设计遗传算法中的交叉操作，提出佳点集遗传算法，并用该算法求解函数优化问题、可满足性问题、TSP和背包问题；Liu基于佳点集构造交叉算子提出一种求解约束优化问题的混合粒子群算法；龙文用佳点集理论初始化种群和对各聚类中选择的个体进行佳点集多父代交叉操作以生成新种群，提出一种求解约束优化问题的混合进化算法；曹凯提出一种自适应引导进化遗传算法，该算法采用佳点集理论产生初始种群，并对精英种群中的个体进行佳点集交叉操作。

但是，各种算法一般都直接采用公式e^k或2cos(2πk/p)取佳点，由于部分佳点取法受限于指数函数取点的约束，收敛速度太慢，还有部分佳点取法由于存在失效个体影响了算法的性能。因此，如何设计一种有效的初始化人工蜂群算法种群的佳点集构造方法是我们目前迫切需要解决的问题。

发明内容

本发明的目的是提供一种有效初始化人工蜂群算法种群的佳点集构造方法，具有使佳点取法中每个佳点均能够在单位立方体中，避免指数函数约束、失效个体影响算法性能的情况发生的效果。

本发明的上述技术目的是通过以下技术方案得以实现的：一种有效初始化人工蜂群算法种群的佳点集构造方法，包括以下步骤：