差分进化人工蜂群算法的流程及应用

2023-10-05 理论教育版权反馈

【摘要】：图3.2差分进化人工蜂群算法流程图根据最优解判断是否进行替换，即领域搜索得到的解的适应度若好于当前的优解则更新，否则继续搜索直到领域搜索循环结束。传统人工蜂群算法难以有效应对水平运输管理双模型同时处理大量运算数据的需求，因此笔者分别从样本筛选和样本数量方面对优先编码的随机样本进行了改进，提出了改进差分进化人工蜂群算法。

通过差分进化算法改进人工蜂群算法，运用人工蜂群算法避免领域搜索，使两种算法的优势互补，实现快速收敛，全局搜索优解的效果，具体过程如图3.2所示。

（1）设定蜂群规模、访问次数、循环最大次数、目标函数的个数M、变异系数、交叉系数等初始信息。

（2）为了实现全局搜索，进行有限次的循环，每次循环根据式（3-5）随机生成一组解，再根据式（3-2）进行变异，最后根据式（3-3）进行交叉。

（3）根据式（3-1）的目标函数和约束条件计算适应度值，根据式（3-4）进行适应度值的比较，判断当前循环的最优解。

pagenumber_ebook=32,pagenumber_book=26

图3.2　差分进化人工蜂群算法流程图

（4）根据最优解判断是否进行替换，即领域搜索得到的解的适应度若好于当前的优解则更新，否则继续搜索直到领域搜索循环结束。(www.chuimin.cn)

（5）获得每次循环的最优解，根据式（3-7）计算跟随概率，跟随蜂根据目标函数和约束条件进行变异、交叉、对比，并更新蜂群状态。

（6）根据式（3-8）进行判断，若领域循环结束且超出限制，用随机解替代当前解，进行全局循环。

（7）判断是否达到终止条件，达到则输出当前最优解。

传统人工蜂群算法难以有效应对水平运输管理双模型同时处理大量运算数据的需求，因此笔者分别从样本筛选和样本数量方面对优先编码的随机样本进行了改进，提出了改进差分进化人工蜂群算法。

在图3.3所示的改进差分进化人工蜂群算法中，初始化随机样本通过并行计算获得的数据还可以进一步代入广义优先关系串行调度产生方案的目标流程，生成符合时序约束的优先级编码，合并新样本的重复项，将优化后样本的最小工期的优先级编码作为当前的目标解，进行变异交叉运算，对差分变异后的样本进行人工蜂群跟随计算，达到终止条件后，输出运算结果。

差分进化人工蜂群算法的流程及应用

相关推荐