搜索人工蜂群以获得真实世界的结果

蜜蜂不仅是粮食作物的重要传粉者，而且它们对丰富食物来源的追求已被证明是优化数值问题的极好模型。现在，来自金泽大学和富山大学的研究人员利用蜜蜂的智能行为来提高实际问题中的优化性能。

人工蜂群算法是受蜜蜂群体觅食行为的启发而发展起来的一种比较新的基于种群的算法，用于解决复杂的优化问题。在算法中，被雇佣的蜜蜂寻找食物源并与旁观者分享信息，然后蜜蜂选择食物源来使用。童子军进行随机搜索以发现新的食物。食物源的位置代表最优化问题的可能解决方案。与其他方法相比，ABC算法控制参数少，结构简单，性能更有说服力，因此在数据挖掘、车辆路径选择等领域得到了广泛的应用。金泽大学电子和计算机工程系的Yuki Todo解释说：“然而，需要多次迭代才能找到解决方案。”“因此，

因此，研究人员开发了一种新颖的无标度机制来指导ABC算法的搜索，并通过实际问题验证了其性能。他们分析了无标度网络的网络属性，即幂律分布和低度相关系数如何影响优化过程。在每次迭代中，根据其食物来源的质量，将使用过的蜜蜂(或旁观者蜜蜂)放置在无标度网络的节点上。使用高质量食物源的被雇佣的蜜蜂被重新安置到高节点，而使用相对低质量食物源的蜜蜂被重新安置到低节点。使用这些规则，幂律分布属性使得低质量蜜蜂更有可能与高质量蜜蜂相关联。

无标度机制使得每个被雇佣的蜜蜂能够从其邻居那里学习到更多的有效信息，从而提高了ABC算法的开发能力。因为低相关系数的属性可以控制优质蜜蜂之间的信息交换，可以防止这些蜜蜂的信息迅速接管整个种群。这有助于保持种群的多样性，避免过早的种群整合问题。“在优化过程中，无标度ABC算法在探索和发展之间实现了更好的平衡，”富山大学工程学院的Junkai Ji说，“它也提高了其他迭代方法的搜索能力，例如：花朵授粉算法。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！