基于反向学习与Levy飞行的改进蜂群算法  

Improved bee colony algorithm based on opposition-based learning and Levy flight

作　　者：赵挺[1] 孟子航 沈海斌[1] 

机构地区：[1]浙江大学超大规模集成电路设计研究所,浙江杭州310027

出　　处：《传感器与微系统》2017年第1期111-114,共4页Transducer and Microsystem Technologies

基　　金：国家"863"计划资助项目(2012AA041701)

摘　　要：为了优化蜂群算法(BCA),平衡局部搜索与全局搜索,避免算法陷入局部最优,并提高蜂群算法的收敛速度,提出了一种多策略改进的方法优化蜂群算法(MSO—BCA)。算法在种群初始化阶段采用了反向学习(OBL)初始化的方法;在种群更新与邻域搜索中采用了具有Levy飞行特征的改进搜索策略。经过对经典Benchmark函数的反复实验并与其他算法的比较,表明了所提出的算法具有良好的加速和收敛效果,提高了全局搜索能力与效率。In order to optimize bee colony algorithm （BCA）, balance local and global search capability, avoid falling into local optimum and accelerate convergence speed of BCA, an improved algorithm multi-strategy optimized（MSO-BCA） is presented. The new algorithm constructs the initial population by using opposition-based learning（OBL） and levy flight inspired search strategy is designed to replace the original random step. The experiments on a set of benchmark functions show that the proposed algorithm has better performance than other BCA-based algorithms,especially on accelerating and convergence and the global search ability and efficiency.

关 键 词：蜂群算法 多策略改进 反向学习 Levy飞行 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TP301.6[自动化与计算机技术—控制科学与工程]