人工蜂群算法详解ppt课件

•
(2)跳摇摆舞为所对应的食物源招募更多的蜜蜂，然
后回到食物源采蜜。
•
(3)继续在同一个食物源采蜜而不进行招募。
•
对于非雇佣蜂有如下选择：
•
(1)转变成为侦察蜂并搜索蜂巢附近的食物源。其搜
索可以由先验知识决定，也可以完全随机。
•
(2)在观察完摇摆舞后被雇用成为跟随蜂，开始搜索
对应食物源邻域并采蜜。
.
.
一 、蜜蜂采蜜机理
• (3)未被雇用的蜜蜂：其主要任务是寻找和开采食物源。 有两种未被雇用的蜜蜂：侦查蜂（Scouter）和跟随蜂 （Follower）。侦察蜂搜索蜂巢附近的新食物源；跟随蜂 等在蜂巢里面并通过与引领蜂分享相关信息找到食物源。 一般情况下，侦察蜂的平均数目是蜂群的5%-20%。
• （4）舞蹈区：在群体智慧的形成过程中，蜜蜂间交换信 息是最为重要的一环。舞蹈区是蜂巢中最为重要的信息交 换地。蜜蜂的舞蹈叫做摇摆舞。食物源的信息在舞蹈区通 过摇摆舞的形式与其他蜜蜂共享，引领蜂通过摇摆舞的持 续时间等来表现食物源的收益率，故跟随蜂可以观察到大 量的舞蹈并依据收益率来选择到哪个食物源采蜜。收益率 与食物源被选择的可能性成正比。因而，蜜蜂被招募到某 一个食物源的概率与食物源的收益率成正比。
.
二、蜜蜂采蜜过程
• 初始时刻，蜜蜂以侦察蜂的身份搜索。其搜索可以由系统 提供的先验知识决定，也可以完全随机。经过一轮侦查后，
若蜜蜂找到食物源，蜜蜂利用它本身的存储能力记录位置
信息并开始采蜜。此时，蜜蜂将成为“被雇用者”。蜜蜂
在食物Hale Waihona Puke Baidu采蜜后回到蜂巢卸下蜂蜜然后将有如下选择：
•
(1)放弃食物源而成为非雇佣蜂。
.
四、基本ABC算法的流程
• 1: 根据式(1)初始化种群解xi，i =1,…,SN
• 2: 计算种群中各个蜜蜂的适应值
• 3: cycle = 1 • 4: repeat
• 5: 雇佣蜂根据(2)产生新的解vi 并计算适应值
• 6: 雇佣蜂根据贪心策略选择蜜源
• 7: 根据(3)式计算选择蜜源xi的概率Pi • 8: 观察蜂根据概率Pi选择蜜源xi，根据(2)式在该蜜源附
• 为了解决多变量函数优化问题，Karaboga在2005年提出了 人工蜂群算法ABC模型（artificial bee colony algorithm）。
.
一 、蜜蜂采蜜机理
• 蜜蜂是一种群居昆虫，虽然单个昆虫的行为极其简单，但 是由单个简单的个体所组成的群体却表现出极其复杂的行 为。真实的蜜蜂种群能够在任何环境下，以极高的效率从 食物源（花朵）中采集花蜜；同时，它们能适应环境的改 变。
近产生新的蜜源vi ，并计算新蜜源vi的适应值
• 9: 观察蜂根据贪心策略选择蜜源 • 10: 决定是否存在需要放弃的蜜源，如果存在，根据(1)
式随机产生一个蜜源替代它
• 11: 记录最优解
• 12: cycle = cycle + 1
• 13: until cycle = MCN .
五、人工蜂群算法解TSP的实现
2. 新蜜源的更新搜索公式
• 蜜蜂记录自己到目前为止的最优值，并在当前蜜源邻域内
展开搜索，基本ABC在蜜源附近搜索新蜜源的公式为:
vij xij ij(xij xkj)
（2）
式中，j∈{ 1, 2, … , D }，k∈{ 1, 2, …, SN }，k
为随机生成且k≠i，φik 为[ - 1, 1]之间的随机数。
• (1)食物源：食物源的价值由多方面的因素决定，如：它 离蜂巢的远近，包含花蜜的丰富程度和获得花蜜的难易程 度。使用单一的参数，食物源的“收益率”
（profitability），来代表以上各个因素。 • (2)被雇用的蜜蜂：也称引领蜂（Leader），其与所采集
的食物源一一对应。引领蜂储存有某一个食物源的相关信 息（相对于蜂巢的距离、方向、食物源的丰富程度等）并 且将这些信息以一定的概率与其他蜜蜂分享。
.
一 、蜜蜂采蜜机理
• 蜂群产生群体智慧的最小搜索模型包含基本的三个组成要 素：食物源、被雇佣的蜜蜂（employed foragers）和未 被雇佣的蜜蜂（unemployed foragers）；两种最为基本 的行为模型：为食物源招募（recruit）蜜蜂和放弃 （abandon）某个食物源。
三、ABC算法原理
• 在基本ABC算法中，人工蜂群包含3种个体：雇佣蜂、观察 蜂和侦查蜂。
• 每个雇佣蜂对应一个确定的食物源（解向量）并在迭代中 对蜜源的邻域进行搜索。
• 根据蜜源丰富程度（适应值的大小）采用轮盘赌的方式雇 佣观察蜂采蜜（搜索新蜜源）
• 如果蜜源多次更新没有改进，则放弃该蜜源，雇佣蜂转为 侦查蜂随机搜索新蜜源。
所有城市的任一种排列即是问题的一个解，解空 间由若干解构成，因此初始化解空间就是随机产生多 个不同的城市序列。以n个城市为例，从1到n对其进 行编号，那么完成一次旅行的路径就用1到n的一个排 列组合来表示。
人工蜂群算法 （Artificial Bee Colony，ABC）
.
• 人工蜂群算法是模仿蜜蜂行为提出的一种优化方法，是集 群智能思想的一个具体应用。
• 主要特点是不需要了解问题的特殊信息，只需要对问题进 行优劣的比较，通过各人工蜂个体的局部寻优行为，最终 在群体中使全局最优值突现出来，有着较快的收敛速度。
.
3. 观察蜂选择雇佣蜂的概率
Pi
fit(xi )
SN
fit(xn )
n 1
式中，fit(xi)为第i个解的适应值对应蜜源的丰富
程度。蜜源越丰富，被观察蜂选择的概率越大。
4. 侦察蜂的产生
为防止算法陷入局部最优，当某蜜源迭代limit次没
有改进时，便放弃该蜜源, 并且将该蜜源记录在禁忌 表中,同时该蜜源对应的雇用蜂转变为侦察蜂按式(1) 随机产生一个新的位置代替原蜜源。
•
.
1.蜜源初始化
• 初始化时，随机生成SN个可行解（等于雇佣蜂的数量）并
计算适应度函数值。随机产生可行解的公式如下： x ij x m in ,j r a n d ( 0 ,1 ) (x m a x ,j x m in ,j) (1)
式中，xi(i=1, 2, . . . , SN)为D维向量，D为优化参数 的个数，j ∈{1, 2, … , D}。