针对由于人工蜂群算法(Artificial Bee Colony algorithm,ABC)采用直接映射概率选择食物源而引起收敛速度慢、陷入局部最优等问题,提出一种混合排名映射概率和混沌搜索的人工蜂群算法((Artificial Bee Colony algorithm based on Hybrid...针对由于人工蜂群算法(Artificial Bee Colony algorithm,ABC)采用直接映射概率选择食物源而引起收敛速度慢、陷入局部最优等问题,提出一种混合排名映射概率和混沌搜索的人工蜂群算法((Artificial Bee Colony algorithm based on Hybrid rank mapping probability and Chaotic search,ABC-HC))。首先,利用目标函数值的排名来获取选择食物源的排名映射概率,并提出计算排名映射概率的两种方法;然后,在观察蜂阶段,融合这两种计算概率的方法,即不同的搜索阶段采用不同的排名映射方法计算食物源选择概率,构造基于混合排名映射概率的人工蜂群算法,以便能够维持种群的多样性避免陷于局部最优;最后,在侦查蜂阶段,使用混沌搜索替代随机搜索以便进一步提高收敛速度,最终获得较好的全局最优解。对10个标准测试函数进行仿真,结果表明,ABC-HC算法不仅提高了收敛速度,而且更能跳出局部最优,有效地找到全局最优解,优于标准的ABC算法和进化算法。展开更多
针对人工蜂群(ABC)算法开发能力弱的缺点,提出一种基于适应度分割机制和自适应搜索策略的ABC算法(FSABC)。首先,在雇佣蜂和跟随蜂阶段开始前,根据适应度值将种群划分为高适应度子种群和低适应度子种群,并通过动态调整子种群大小,更好地...针对人工蜂群(ABC)算法开发能力弱的缺点,提出一种基于适应度分割机制和自适应搜索策略的ABC算法(FSABC)。首先,在雇佣蜂和跟随蜂阶段开始前,根据适应度值将种群划分为高适应度子种群和低适应度子种群,并通过动态调整子种群大小,更好地平衡算法的开发性和探索性,并更合理地分配搜索资源;其次,对跟随蜂中的高适应度子种群提出一个策略池和一种新的自适应搜索方式,以避免算法陷入局部最优解;再次,为了加强算法的开发能力,根据高适应度子种群的特点,设计一个新的搜索策略和一个策略池,以发挥该子种群的优势,从而提高算法的性能;最后,对于复杂的多峰问题,在适应度景观中存在许多局部最优解,其中一些可能接近全局最优解,因此,搜索一个好的解的邻域将有助于找到更好的解,甚至可能找到全局最优解,鉴于此,使用一个邻域搜索算子加强算法的开发能力。基于22个经典测试函数进行比较实验的结果表明,在30维和50维问题上,与ABCLGII(ABC algorithm with Local and Global Information Interaction)相比,所提算法的Friedman检验的秩次等级分别提高了30.8%和11.7%,可见,所提算法的性能求解精度更优,并能有效处理全局数值优化问题。展开更多
下一代互联网NGI(Next Generation Internet)需要提供服务质量QoS(Quality of Service)路由能力,支持总最佳连接ABC(Always Best Connected).但是,由于链路状态的难以精确测量与用户QoS需求的难以准确表达,因此QoS路由基于的信息实际上...下一代互联网NGI(Next Generation Internet)需要提供服务质量QoS(Quality of Service)路由能力,支持总最佳连接ABC(Always Best Connected).但是,由于链路状态的难以精确测量与用户QoS需求的难以准确表达,因此QoS路由基于的信息实际上是模糊的.同时,在网络运营日益商业化的环境下,支持ABC需要兼顾用户和网络提供方利益,考虑双方效用共赢.为此,文中引入模糊数学、概率论和博弈论知识,设计了一种ABC支持型QoS单播路由机制.该机制采用区间形式描述用户QoS需求和边(链路)参数,引入用户满意度和边评价,通过博弈分析,基于人工鱼群算法,寻找使用户和网络提供方效用达到或接近Nash均衡下Pareto最优的QoS单播路径.仿真结果表明,该机制是可行和有效的.展开更多
文摘针对由于人工蜂群算法(Artificial Bee Colony algorithm,ABC)采用直接映射概率选择食物源而引起收敛速度慢、陷入局部最优等问题,提出一种混合排名映射概率和混沌搜索的人工蜂群算法((Artificial Bee Colony algorithm based on Hybrid rank mapping probability and Chaotic search,ABC-HC))。首先,利用目标函数值的排名来获取选择食物源的排名映射概率,并提出计算排名映射概率的两种方法;然后,在观察蜂阶段,融合这两种计算概率的方法,即不同的搜索阶段采用不同的排名映射方法计算食物源选择概率,构造基于混合排名映射概率的人工蜂群算法,以便能够维持种群的多样性避免陷于局部最优;最后,在侦查蜂阶段,使用混沌搜索替代随机搜索以便进一步提高收敛速度,最终获得较好的全局最优解。对10个标准测试函数进行仿真,结果表明,ABC-HC算法不仅提高了收敛速度,而且更能跳出局部最优,有效地找到全局最优解,优于标准的ABC算法和进化算法。
文摘针对人工蜂群(ABC)算法开发能力弱的缺点,提出一种基于适应度分割机制和自适应搜索策略的ABC算法(FSABC)。首先,在雇佣蜂和跟随蜂阶段开始前,根据适应度值将种群划分为高适应度子种群和低适应度子种群,并通过动态调整子种群大小,更好地平衡算法的开发性和探索性,并更合理地分配搜索资源;其次,对跟随蜂中的高适应度子种群提出一个策略池和一种新的自适应搜索方式,以避免算法陷入局部最优解;再次,为了加强算法的开发能力,根据高适应度子种群的特点,设计一个新的搜索策略和一个策略池,以发挥该子种群的优势,从而提高算法的性能;最后,对于复杂的多峰问题,在适应度景观中存在许多局部最优解,其中一些可能接近全局最优解,因此,搜索一个好的解的邻域将有助于找到更好的解,甚至可能找到全局最优解,鉴于此,使用一个邻域搜索算子加强算法的开发能力。基于22个经典测试函数进行比较实验的结果表明,在30维和50维问题上,与ABCLGII(ABC algorithm with Local and Global Information Interaction)相比,所提算法的Friedman检验的秩次等级分别提高了30.8%和11.7%,可见,所提算法的性能求解精度更优,并能有效处理全局数值优化问题。
文摘下一代互联网NGI(Next Generation Internet)需要提供服务质量QoS(Quality of Service)路由能力,支持总最佳连接ABC(Always Best Connected).但是,由于链路状态的难以精确测量与用户QoS需求的难以准确表达,因此QoS路由基于的信息实际上是模糊的.同时,在网络运营日益商业化的环境下,支持ABC需要兼顾用户和网络提供方利益,考虑双方效用共赢.为此,文中引入模糊数学、概率论和博弈论知识,设计了一种ABC支持型QoS单播路由机制.该机制采用区间形式描述用户QoS需求和边(链路)参数,引入用户满意度和边评价,通过博弈分析,基于人工鱼群算法,寻找使用户和网络提供方效用达到或接近Nash均衡下Pareto最优的QoS单播路径.仿真结果表明,该机制是可行和有效的.
