禁忌搜索优化的人工蜂群算法：性能提升与应用探索

"基于禁忌搜索的人工蜂群算法及其应用 (2015年)" 本文探讨了一种融合禁忌搜索算法（TSA）与人工蜂群算法（ABC）的新型优化算法——基于禁忌搜索的人工蜂群算法（TSABC）。人工蜂群算法是一种受到蜜蜂采蜜行为启发的全局优化算法，它通过模仿蜜蜂寻找花粉源的过程来解决复杂的优化问题。该算法以简单、高效而著称，但有时可能会陷入局部最优，导致全局搜索性能不足。 禁忌搜索算法则是一种混合了人工智能和局部搜索策略的优化方法，它利用禁忌列表来避免重复访问已探索区域，从而增强算法跳出局部最优的能力。将TS引入ABC，旨在克服ABC在搜索过程中的局限性，提高算法的全局寻优性能和搜索效率。 TSABC的具体实现是在ABC的搜索过程中添加了一个禁忌表，用于存储近期已被访问的解，以限制它们在短期内再次被选中。这样可以鼓励算法探索新的解决方案，防止过早收敛。在TSABC中，禁忌表的管理和更新策略是关键，它需要平衡探索新领域和利用已有信息之间的关系。 为了证明TSABC的有效性，作者对一系列标准测试函数进行了实验，这些函数涵盖了各种复杂度和特性，用以评估算法的优化能力和收敛速度。实验结果证实，TSABC相比原有的人工蜂群算法有显著的改进，能够获得更好的优化效果，同时加快了收敛速度。 此外，TSABC还被应用到图像边缘检测这一实际问题中。边缘检测是计算机视觉领域的重要任务，对图像的理解和分析起着关键作用。将优化算法应用于边缘检测，可以提高检测的准确性和速度。实验表明，TSABC在图像边缘检测上表现出色，产生了更精确的边缘结果，这进一步验证了其在实际应用中的潜力。 关键词：蜂群算法，禁忌搜索算法，禁忌表，邻域搜索，图像边缘检测 这篇文章属于工程技术领域的学术论文，由山东大学信息科学与工程学院的研究团队完成，包括刘蓓蕾、江铭炎和张振月三位作者。他们的研究工作得到了山东省自主创新成果转化重大专项项目和山东大学自由创新基金的支持。