基于分區(qū)個體排名的非線性種群縮減的人工蜂群算法

打開文本圖片集

摘 要：針對人工蜂群算法（ABC）探索性強而開發(fā)性弱，從而導致收斂速度慢的問題，提出了一種基于分區(qū)個體排名的非線性種群縮減策略（UPSR-CIR）。首先，該策略設計長尾非線性種群規(guī)模縮減函數(shù)，在前期保持大種群充分探索，中期快速縮減使得后期保持小種群加強開發(fā)，同時為后期分配相對較多計算資源以加速收斂；其次，為確保種群多樣性，采用K-means聚類通過間隔一定代數(shù)對種群進行動態(tài)分區(qū)，并以分區(qū)為單位進行種群縮減；同時，種群按分區(qū)縮減時，按照分區(qū)內(nèi)最優(yōu)個體在整個種群排名確定刪除個體數(shù)量，為排名高的潛能分區(qū)保留相對較多的計算資源來進一步加強開發(fā)。（剩余20296字）