几种常规群体智能算法的研究进展

方 向，直 至无法进一步移动。此时，蚂蚁所走 路径 对应 于待求解 问题 的一个可行解。蚁群算 法 目前 己成 功地 用于 解决旅 行商 ＴＳＰ问题、 数 据挖掘、二次指派问题、网络路 由优化、机
题 的可行解，在 解的构造期间，每只蚂蚁可 以 使用概率方式向下一个节点跳转 ，而且 由于这 个 节点是具有较强信息素和较高启发式因子的
目前 离食物 最近 的鸟的周围区域，聚集成一个 个小 的群落 ，并最 终将 整个群 落聚集在食源的 位置 。受到这种模 型的启示 ，在 ＰＳ０算法中 ， 优化 问题 的解 都是被称 为 “粒子” 。通过类似 于鸟群捕食 的方 式，追 随当前的最优粒子在解 空 间中搜索 ，并最终找到最优解 。
１·４粒子群算法 （ＰＳ０）
ＰＳＯ （粒子 群算法 ）是一种新兴 的基于 群 体智能的启发式全局搜索算法 ，具有 易理解 、 易实现、全局搜索能力强等特 点。粒子群算 法 模 拟鸟群的捕食行为，通过群聚而有效 的觅食 和 逃避追 捕。在鸟群的捕食过程 中，个体之 间 存在着信息的交换与协作 ，整个群体 中信 息是 共享，每个个体的行为是建立在群体行为 的基 础 之上。可 以设想这 样一个场景 ：一群鸟在 随 机搜 索食物 ，每 只鸟在初始状态下处于随机位 置 ，且朝各 个方 向随机 飞行，在这个 区域里 只 有 一块食 物，所有 的鸟都不知道食物在那里 ， 但 随着 时间推移 ，处于随机状态的鸟通过搜寻
１传统群体智能算法
１．１蚁群算法 （ＡＣ０）
人 工蜂 群 算法 （ＡＢＣ）是 一 种非 数值 优 化 计算 方法。人工蜂群算法 的思想是 ：将虚拟 蜜蜂群初 始时随机分布在解空间中 ，将食物源 的位置抽 象成解 空间中的点 （可行解 ）。蜂群 算法 由 ３个基本要素构 成：蜜源、采蜜蜂和待 工 蜂。在 蜜蜂 与外 部环 境 的交流 中蜜 蜂通 过 自身 的反 应阀值 （ｔｈｒｅｓｈｏｌｄ）和外界 的激励 信号 （ｓｔｉｍｕｌａｔｉｏｎ）来 自行 安排工作 。
２混合群体智能优化方法
２．１基于ＰＳ０的混合优化算法
３结束语
由于科 学技 术不 断进 步，许 多应 用领 域 涉及因素 、规模 以及难 度也越 来越高 ，面对 的 优化 问题 日益复 杂化 ，这些 常规的优化算法都 远不能满足要求 。而混 合智能优化方法 ，计算 简单，易于实现 ，能够在 复杂的问题中快速有 效的得到最优解 。鉴于 智能算法 的混合结构很 多 ，关于群体智能优化 算法 的混合 算法还有待 进 一 步 研 究 。
１９９１年意大利学者 Ｄｏｆｉｇｏ Ｍ 等受到 自然 界中蚁群 觅食行为启发而提出了蚁群算法 （Ａｎｔ Ｃｏｌｏｎｙ Ｏｐｔｉｍｉｚａｔｉｏｎ，ＡＣＯ）。蚁 群算 法 的基
本理念是蚁群生物性的利用最短路径 的根据局 部信息调整路径上的信息素找寻 的特征 ，这个 算法的优势非常的 明显，而且具有较为突 出的 应 用性，在这个过程中蚂蚁可 以逐步地构造 问
究结果 基本是 加入 ＰＳＯ 的机 理来 解决 函数优 化 问题 ，通过 对分析各种算子的步长 以及细菌 的生存 期的过滤，从而实现算法性能 的提 高。 近 年 来，Ｋｉｍ 和 Ａｂｒａｈａｍ 又 将 遗传 算 法 引入 ＢＦＯ，该 算法结 合 了 ＢＦＯ算法 中大 肠杆 菌 的 觅食 机制 菌和 ＰＳＯ算法 中的鸟类 云集模 式 。 基于 ＢＦＯ和 ＰＳＯ提 出一种 混合优化 算法 ，解 决 了多模态高维 函数 的优化 ，提高了对高维函 数优化的收敛速度和局部搜索能力 。
【关键词 】计算机智能 群体 智能 算法
计算 机技 术不 断发 展，算 法技 术也在 不 断更 新 。群 体 智 能 （Ｓｗａｒｍ Ｉｎｔｅｌｌｉｇｅｎｔ，ＳＩ）算 法始 于 ２０世 纪 ９Ｏ年代初 ，主要是受 自然界生 物群体智 能现 象的启发 ，通过模 仿社会 性动 物 的行为 ，而提 出的一种 随机优化 算法 。群体 智 能是基 于种群行 为对给 定的 目标进行寻优的启 发式搜索算法 ，其 的核 心是由众 多简单个体 组 成 的群体 能够通过相互之间 的简单合作 来实现 某一较复杂 的功能 。所 以群体智 能可 以在没有 集 中控制并且缺少全局信 息和模 型的前提下 ， 为寻找复杂 的分布 式问题 的解 决方案提 供了基 础 。
２． ３ 自适应 菌群 约束优 化算法
自适应 菌群约 束优化 算法是 基于 ＢＦＯ提 出了一种处理约束优化 问题新方法 。该算 法引 入 Ｔｅｎｔ混沌 方法对 符合 迁徙 条件 的细 菌进 行 位置初始化 ，并加入 了基于佳点集 的交叉 算子 ， 使得迁徙 后的新菌群具有随机性的特 点，使群 体 均匀的分布在搜索空 间中，有跳 出局部 最优 的可能；同时选择精英细菌作为混沌 映射 的初 始解 ，趋 药性 步长的 自适应变化使得算法避 免 了在最优值 附近 的振 荡，并能够在维持菌群总 数不变 的同时得 到质量 更优 的细菌新个体 ，扩 大精英群体 的规模 。
前 向神经网络优化、 电力系统无功优 化、输电
网规划、边坡稳定 、非线性方程求解等方面 得
ＢＦＯ （细菌Biblioteka Baidu食算法 ）来源 于细 菌的群体
到应用，且取得 了较好的效果 。
行为特性，是近年 来研 究提出的一种 新的算法 。
ｉ．３蜂群 算法 （ＡＢＣ）
ＢＦＯ搜索通过 群体 细菌之间的竞争和协 作 。实 现 搜索 的优化 。关于 ＢＦＯ混合算 法 目前 的研
ｔｈｅ Ａｐｐｌｉｃａｔｉｏｎ ｏｆ Ｃｏｍｐｕｔｅｒ Ｔｅｃｈｎｏｌｏｇｙ· 计算机技术应用
几种常规群体智能算法 的研 究进展
文／刘利波 周洁
状态。人工鱼群算法 已在参数估计 、组合优化、 ２．２基 于ＢＦＯ的混合优化算法
本文主要针对 智 能优化 算法 ， 阐述 了其典 型算 法和 最新 优化 算 法 的 发 展 情 况 。