精英蜂群搜索策略优化人工蜂群算法

"基于精英蜂群搜索策略的人工蜂群算法 (2014年)，马卫，孙正兴，南京旅游职业学院，南京大学" 在本文中，作者针对人工蜂群算法(ABC Algorithm)的局限性，如收敛速度慢、解的精度不足以及易于陷入局部最优，提出了一种新的优化策略——基于精英蜂群搜索策略的人工蜂群算法。这个创新性的方法模拟了蜜蜂群体中的侦察蜂在寻找食物过程中的行为，旨在提升算法的全局搜索能力和优化性能。 首先，算法引入了精英蜂群的概念。精英蜂群是由搜索过程中表现优秀的个体组成的群体，它们代表了当前搜索过程中的最佳解。通过聚集这些精英个体，算法能够引导整个蜂群向更优的解空间移动，从而避免早熟收敛和局部最优。 其次，作者改进了侦察蜂的搜索机制。传统的侦察蜂往往随机地探索新领域，而改进后的机制让侦察蜂更加有目的地进行搜索，利用精英蜂的信息来指导其探索方向，增加了对全局最优解的发现概率。 再者，算法采用基于目标函数值的选择策略。这意味着在更新解决方案时，不仅考虑个体的位置信息，还依据目标函数的值进行决策。这种策略有助于快速剔除低质量解，加快算法的收敛速度。 在数值实验部分，该算法展示了其在解决连续优化问题上的优越性。实验结果显示，提出的算法在寻优精度和寻优成功率上都表现出色，且收敛速度明显快于标准人工蜂群算法，同时，它在处理高维空间问题时也能保持高效。 关键词涉及到侦察蜂、精英蜂群、人工蜂群算法以及全局搜索和函数优化，这些关键词突出了研究的核心内容。中图分类号"TP18"将该论文归类为计算机科学技术领域，文献标志码"A"则表明这是一篇具有较高学术价值的研究论文。 该研究为优化算法领域提供了一种新的改进方法，通过结合生物启发式优化策略与精英群体概念，提升了人工蜂群算法的性能，对于解决复杂优化问题具有重要参考价值。