自适应蜂群-蚁群优化算法：提升全局与局部寻优能力

"论文研究-蜂群—蚁群自适应优化算法.pdf" 本文介绍了一种创新的自适应蜂群-蚁群优化算法，旨在解决蚁群优化算法在处理连续函数优化问题时局部搜索能力不足的问题。蚁群优化算法，源于生物界蚂蚁寻找食物路径的行为，是一种全局优化方法，但在处理某些问题时可能陷入局部最优。为了改善这一状况，作者提出了一种新的自适应机制，针对蚁群优化算法中的参数q进行了设计，使其能够根据搜索过程动态调整，从而减少了参数数量并增强了算法的鲁棒性。 同时，结合人工蜂群算法的思想，该新算法引入了雇佣蜂和观察蜂的概念，用于执行更有效的局部搜索。雇佣蜂负责探索新的解决方案，而观察蜂则从当前最佳解出发进行局部搜索，这两者的结合提升了算法在局部区域内的搜索效率和精度。 通过五个标准测试函数的仿真实验，新算法的表现优于传统的蚁群优化算法，无论是在全局最优解的寻找还是在局部搜索能力上都有显著提升。这表明新算法在应对复杂优化问题时具有更强的性能和适应性。 关键词：优化问题、蚁群优化、人工蜂群算法，这些标签突出了研究的核心内容。文章的发表日期和作者信息提供了研究的时间背景和作者的专业领域，其中何宗耀和王翔分别在计算机教育和进化算法方面有深入研究。 总结起来，这篇论文提出了一种结合了蚁群优化和人工蜂群算法的自适应策略，通过改进参数调整机制和引入高效的局部搜索策略，有效提升了算法在连续函数优化问题中的全局和局部搜索性能。这种方法对解决实际工程问题和复杂系统优化具有潜在的应用价值，对于未来优化算法的研究和发展提供了新的思路。