基于混合搜索的多種群人工蜂群算法

　　針對經(jīng)典人工蜂群（ABC）算法搜索策略存在搜索機制單一、群體全局搜索與局部搜索運算耦合性較高的問題，提出一種基于混合搜索的多種群人工蜂群（ MPABC）算法。首先，將種群按照適應(yīng)度值進行排序，得到一個有序隊列，進而將其劃分為隨機子群、核心子群和平衡子群三類有序子群；其次，針對不同子群結(jié)合相應(yīng)的個體選擇機制與搜索策略，構(gòu)建出不同的差異向量；最后，在群體的搜索過程中，通過三類子群實現(xiàn)對具有不同適應(yīng)度函數(shù)值個體的有效控制，來增強群體全局搜索和局部搜索的平衡能力。通過對16個標準測試函數(shù)進行仿真實驗并與具有可變搜索策略的人工蜂群（ ABCVSS）算法、基于選擇概率的改進人工蜂群（MABC）算法、基于粒子群策略的多精英人工蜂群（ PS-MEABC）算法、基于符號函數(shù)的多搜索策略人工蜂群（MSSABC）算法和優(yōu)化高維復雜函數(shù)的改進人工蜂群（IABC）算法共五種典型的蜂群算法進行了對比，實驗結(jié)果顯示MPABC具有較好的優(yōu)化效果；與ABC算法相比，MPABC在求解高維（100維）復雜問題上的收斂速度提高了約23%，且求解精度更優(yōu)。