优化算法人工蜂群算法ABC_精品文档.doc
- 文档编号:1519153
- 上传时间:2022-10-22
- 格式:DOC
- 页数:12
- 大小:245.76KB
优化算法人工蜂群算法ABC_精品文档.doc
《优化算法人工蜂群算法ABC_精品文档.doc》由会员分享,可在线阅读,更多相关《优化算法人工蜂群算法ABC_精品文档.doc(12页珍藏版)》请在冰豆网上搜索。
优化算法——人工蜂群算法(ABC)
一、人工蜂群算法的介绍
手机微信关注公众号ID:
datadw学习数据挖掘,研究大数据,关注你想了解的,分享你需要的。
人工蜂群算法(ArtificialBeeColony,ABC)是由Karaboga于2005年提出的一种新颖的基于群智能的全局优化算法,其直观背景来源于蜂群的采蜜行为,蜜蜂根据各自的分工进行不同的活动,并实现蜂群信息的共享和交流,从而找到问题的最优解。
人工蜂群算法属于群智能算法的一种。
二、人工蜂群算法的原理
1、原理
标准的ABC算法通过模拟实际蜜蜂的采蜜机制将人工蜂群分为3类:
采蜜蜂、观察蜂和侦察蜂。
整个蜂群的目标是寻找花蜜量最大的蜜源。
在标准的ABC算法中,采蜜蜂利用先前的蜜源信息寻找新的蜜源并与观察蜂分享蜜源信息;观察蜂在蜂房中等待并依据采蜜蜂分享的信息寻找新的蜜源;侦查蜂的任务是寻找一个新的有价值的蜜源,它们在蜂房附近随机地寻找蜜源。
假设问题的解空间是维的,采蜜蜂与观察蜂的个数都是,采蜜蜂的个数或观察蜂的个数与蜜源的数量相等。
则标准的ABC算法将优化问题的求解过程看成是在维搜索空间中进行搜索。
每个蜜源的位置代表问题的一个可能解,蜜源的花蜜量对应于相应的解的适应度。
一个采蜜蜂与一个蜜源是相对应的。
与第个蜜源相对应的采蜜蜂依据如下公式寻找新的蜜源:
其中,,,是区间上的随机数,。
标准的ABC算法将新生成的可能解与原来的解作比较,并采用贪婪选择策略保留较好的解。
每一个观察蜂依据概率选择一个蜜源,概率公式为
其中,是可能解的适应值。
对于被选择的蜜源,观察蜂根据上面概率公式搜寻新的可能解。
当所有的采蜜蜂和观察蜂都搜索完整个搜索空间时,如果一个蜜源的适应值在给定的步骤内(定义为控制参数“limit”)没有被提高,则丢弃该蜜源,而与该蜜源相对应的采蜜蜂变成侦查蜂,侦查蜂通过已下公式搜索新的可能解。
其中,是区间上的随机数,和是第维的下界和上界。
2、流程
·初始化;
·重复以下过程:
o将采蜜蜂与蜜源一一对应,根据上面第一个公式更新蜜源信息,同时确定蜜源的花蜜量;
o观察蜂根据采蜜蜂所提供的信息采用一定的选择策略选择蜜源,根据第一个公式更新蜜源信息,同时确定蜜源的花蜜量;
o确定侦查蜂,并根据第三个公式寻找新的蜜源;
o记忆迄今为止最好的蜜源;
·判断终止条件是否成立;
三、人工蜂群算法用于求解函数优化问题
对于函数
其中。
代码:
[cpp] viewplaincopy
1.#include
2.#include
3.#include
4.#include
5.#include
6.#include
7.using namespace std;
8.
9.const int NP=40;//种群的规模,采蜜蜂+观察蜂
10.const int FoodNumber=NP/2;//食物的数量,为采蜜蜂的数量
11.const int limit=20;//限度,超过这个限度没有更新采蜜蜂变成侦查蜂
12.const int maxCycle=10000;//停止条件
13.
14./*****函数的特定参数*****/
15.const int D=2;//函数的参数个数
16.const double lb=-100;//函数的下界
17.const double ub=100;//函数的上界
18.
19.double result[maxCycle]={0};
20.
21./*****种群的定义****/
22.struct BeeGroup
23.{
24. double code[D];//函数的维数
25. double trueFit;//记录真实的最小值
26. double fitness;
27. double rfitness;//相对适应值比例
28. int trail;//表示实验的次数,用于与limit作比较
29.}Bee[FoodNumber];
30.
31.BeeGroup NectarSource[FoodNumber];//蜜源,注意:
一切的修改都是针对蜜源而言的
32.BeeGroup EmployedBee[FoodNumber];//采蜜蜂
33.BeeGroup OnLooker[FoodNumber];//观察蜂
34.BeeGroup BestSource;//记录最好蜜源
35.
36./*****函数的声明*****/
37.double random(double, double);//产生区间上的随机数
38.void initilize();//初始化参数
39.double calculationTruefit(BeeGroup);//计算真实的函数值
40.double calculationFitness(double);//计算适应值
41.void CalculateProbabilities();//计算轮盘赌的概率
42.void evalueSource();//评价蜜源
43.void sendEmployedBees();
44.void sendOnlookerBees();
45.void sendScoutBees();
46.void MemorizeBestSource();
47.
48.
49./*******主函数*******/
50.int main()
51.{
52. ofstream output;
53. output.open("dataABC.txt");
54.
55. srand((unsigned)time(NULL));
56. initilize();//初始化
57. MemorizeBestSource();//保存最好的蜜源
58.
59. //主要的循环
60. int gen=0;
61. while(gen 62. { 63. sendEmployedBees(); 64. 65. CalculateProbabilities(); 66. 67. sendOnlookerBees(); 68. 69. MemorizeBestSource(); 70. 71. sendScoutBees(); 72. 73. MemorizeBestSource(); 74. 75. output< 76. 77. gen++; 78. } 79. 80. output.close(); 81. cout<<"运行结束! ! "< 82. return 0; 83.} 84. 85./*****函数的实现****/ 86.double random(double start, double end)//随机产生区间内的随机数 87.{ 88. return start+(end-start)*rand()/(RAND_MAX + 1.0); 89.} 90. 91.void initilize()//初始化参数 92.{ 93. int i,j; 94. for (i=0;i 95. { 96. for (j=0;j 97. { 98. NectarSource[i].code[j]=random(lb,ub); 99. EmployedBee[i].code[j]=NectarSource[i].code[j]; 100. OnLooker[i].code[j]=NectarSource[i].code[j]; 101. BestSource.code[j]=NectarSource[0].code[j]; 102. } 103. /****蜜源的初始化*****/ 104. NectarSource[i].trueFit=calculationTruefit(NectarSource[i]); 105. NectarSource[i].fitness=calculationFitness(NectarSource[i].trueFit); 106. NectarSource[i].rfitness=0; 107. NectarSource[i].trail=0; 108. /****采蜜蜂的初始化*****/ 109. EmployedBee[i].trueFit=NectarSource[i].trueFit; 110. EmployedBee[i].fitness=NectarSource[i].fitness; 111. EmployedBee[i].rfitness=NectarSource[i].rfitness; 112. EmployedBee[i].trail=NectarSource[i].trail; 113. /****观察蜂的初始化****/ 114. OnLooker[i].trueFit=NectarSource[i].trueFit; 115. OnLooker[i].fitness=NectarSource[i].fitness; 116. OnLooker[i].rfitness=NectarSource[i].rfitness; 117. OnLooker[i].trail=NectarSource[i].trail; 118. } 119. /*****最优蜜源的初始化*****/ 120. BestSource.trueFit=NectarSource[0].true
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 优化 算法 人工 蜂群 ABC_ 精品 文档