人工蜂群(ABC)算法是 Karaboga 于 2005 年提出的一种群体智能优化算法。ABC 算法模拟
蜂群采蜜的智能行为,结构简单、参数较少、易于实现,受到了众多学者的关注和研究。在 ABC
算法中,人工蜂群包括引领蜂、跟随蜂和侦查蜂 3 类。假设在 D 维空间中,种群规模为 2×SN(引
领蜂个数=跟随蜂个数=SN),蜜源与引领蜂一一对应,即蜜源数目为 SN,第 i 个蜜源的位置记为
Xi=(xi1,xi2,⋅⋅⋅,xiD)。每个蜜源的位置代表优化问题的一个候选解,花蜜的数量反映解的质量。
人工蜂群搜索最优蜜源的过程如下。
1)引领蜂对当前蜜源进行邻域搜索,产生新蜜源,贪婪选择较优蜜源;
2)跟随蜂根据引领蜂分享的信息选择一个蜜源,进行邻域搜索,贪婪选择较优蜜源;
3)引领蜂放弃蜜源,转变成侦查蜂,并随机搜索新的蜜源。
搜索过程中,跟随蜂根据引领蜂分享的信息,以轮盘赌的方式按下式选择一个蜜源:
P
i
=
fi
t
i
SN
j
=
1
fi
t
j
.
其中
fi
t
i
是花蜜数量 (适应度), 按下式计算:
fit
i
=
{
1⁄(1
+
f
i
),
f
i
⩾0;
1
+
a
b
s
abs
(
f
i
),
f
i
<
0.
这里
f
i
是第
i
个解的目标函数值.
引领蜂和跟随蜂按下式搜索新蜜源:
v
ij
=
x
ij
+
r
(
x
ij
−
x
kj
)
.
其中:
k
是随机产生的整数,
k
∈
1,2,⋯,SN
且
k
≠
i
,
j
∈
1,2,⋯,D;r
∈
[
−1
,
1
]
是一个随机数.
若在一定循 环次数 (limit) 后, 蜜源质量没有提高, 则引领蜂放弃 该蜜源, 转变为侦查蜂, 按
下式随机产生新蜜源:
x
ij
=
l
j
+
rand
(
0
,
1
)
(
u
j
−
l
j
)
,
其中
l
j
和
u
j
分别是变量
x
ij
的下界和上界.
