文献类型：期刊文章

作　　者：邱剑锋[1] 谢娟[2] 汪继文[1]

机构地区：[1]安徽大学计算机科学与技术学院,合肥230601 [2]安徽建筑大学数理学院,合肥230022

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(61075049);安徽省级自然科学研究基金资助项目(KJ2013A009;KJ2012B038);安徽省优秀青年人才基金资助项目(2011SQRL018);安徽大学青年科学研究基金资助项目(KJQN1015)

年　　份：2014

卷　　号：31

期　　号：5

起止页码：1336-1341

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSA-PROQEUST、CSCD、CSCD2013_2014、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：人工蜂群(artificial bee colony,ABC)算法在解决多峰函数优化问题时经常会陷入局部最优,使得算法过早停滞,而在解决单峰问题时往往出现收敛速度过慢的问题。针对上述不足,为了进一步提高算法的优化性能,提出了一种基于交叉突变的人工蜂群(intersect mutation ABC,IMABC)算法。IMABC算法将整个蜂群依据其适应度值优劣进行划分,引入种群划分参数,对不同种群中的个体运用交叉突变算子,有效地平衡了种群的局部开采与全局探测能力,避免早熟收敛和提高收敛速度。从对基本函数的测试上可以看出,IMABC相对于GABC、IABC、ABC/best等改进的ABC算法,优化能力有了较大的提高。最后,将IMABC用于优化K-means算法,验证了该方法具有一定的实用性。

关 键 词：人工蜂群算法 交叉突变算子  差分进化 函数优化 K-均值

分 类 号：TP391]