這是人工蜂群算法ppt，包括了蜂群算法簡介，蜜蜂采蜜機理，ABC算法原理，控制參數(shù)，算法可能改進方式等內(nèi)容，歡迎點擊下載。

人工蜂群算法ppt是由紅軟PPT免費下載網(wǎng)推薦的一款課件PPT類型的PowerPoint.

人工蜂群算法 （Artificial Bee Colony，ABC） 蜂群算法簡介 人工蜂群算法是模仿蜜蜂行為提出的一種優(yōu)化方法，是集群智能思想的一個具體應(yīng)用。 主要特點是不需要了解問題的特殊信息，只需要對問題進行優(yōu)劣的比較，通過各人工蜂個體的局部尋優(yōu)行為，最終在群體中使全局最優(yōu)值突現(xiàn)出來，有著較快的收斂速度。 為了解決多變量函數(shù)優(yōu)化問題，Karaboga在2005年提出了人工蜂群算法ABC模型（artificial bee colony algorithm）。 一 蜜蜂采蜜機理 蜜蜂是一種群居昆蟲，雖然單個昆蟲的行為極其簡單，但是由單個簡單的個體所組成的群體卻表現(xiàn)出極其復(fù)雜的行為。真實的蜜蜂種群能夠在任何環(huán)境下，以極高的效率從食物源（花朵）中采集花蜜；同時，它們能適應(yīng)環(huán)境的改變。 蜂群產(chǎn)生群體智慧的最小搜索模型包含基本的三個組成要素：食物源、被雇傭的蜜蜂（employed foragers）和未被雇傭的蜜蜂（unemployed foragers）；兩種最為基本的行為模型：為食物源招募（recruit）蜜蜂和放棄（abandon）某個食物源。 (1)食物源：食物源的價值由多方面的因素決定，如：它離蜂巢的遠(yuǎn)近，包含花蜜的豐富程度和獲得花蜜的難易程度。使用單一的參數(shù)，食物源的“收益率”（profitability），來代表以上各個因素。 (2)被雇用的蜜蜂：也稱引領(lǐng)蜂（Leader），其與所采集的食物源一一對應(yīng)。引領(lǐng)蜂儲存有某一個食物源的相關(guān)信息（相對于蜂巢的距離、方向、食物源的豐富程度等）并且將這些信息以一定的概率與其他蜜蜂分享。 (3)未被雇用的蜜蜂：其主要任務(wù)是尋找和開采食物源。有兩種未被雇用的蜜蜂：偵查蜂（Scouter）和跟隨蜂（Follower）。偵察蜂搜索蜂巢附近的新食物源；跟隨蜂等在蜂巢里面并通過與引領(lǐng)蜂分享相關(guān)信息找到食物源。一般情況下，偵察蜂的平均數(shù)目是蜂群的5%-20%。 　在群體智慧的形成過程中，蜜蜂間交換信息是最為重要的一環(huán)。舞蹈區(qū)是蜂巢中最為重要的信息交換地。蜜蜂的舞蹈叫做搖擺舞。食物源的信息在舞蹈區(qū)通過搖擺舞的形式與其他蜜蜂共享，引領(lǐng)蜂通過搖擺舞的持續(xù)時間等來表現(xiàn)食物源的收益率，故跟隨蜂可以觀察到大量的舞蹈并依據(jù)收益率來選擇到哪個食物源采蜜。收益率與食物源被選擇的可能性成正比。因而，蜜蜂被招募到某一個食物源的概率與食物源的收益率成正比。 初始時刻，蜜蜂以偵察蜂的身份搜索。其搜索可以由系統(tǒng)提供的先驗知識決定，也可以完全隨機。經(jīng)過一輪偵查后，若蜜蜂找到食物源，蜜蜂利用它本身的存儲能力記錄位置信息并開始采蜜。此時，蜜蜂將成為“被雇用者”。蜜蜂在食物源采蜜后回到蜂巢卸下蜂蜜然后將有如下選擇： 　　(1)放棄食物源而成為非雇傭蜂。 　　(2)跳搖擺舞為所對應(yīng)的食物源招募更多的蜜蜂，然后回到食物源采蜜。 　　(3)繼續(xù)在同一個食物源采蜜而不進行招募。 　　對于非雇傭蜂有如下選擇： 　　(1)轉(zhuǎn)變成為偵察蜂并搜索蜂巢附近的食物源。其搜索可以由先驗知識決定，也可以完全隨機。 　　(2)在觀察完搖擺舞后被雇用成為跟隨蜂，開始搜索對應(yīng)食物源鄰域并采蜜。 二 ABC算法原理 在基本ABC算法中，人工蜂群包含3種個體：雇傭蜂、觀察蜂和偵查蜂。 每個雇傭蜂對應(yīng)一個確定的蜜源（解向量）并在迭代中對蜜源的鄰域進行搜索。 根據(jù)蜜源豐富程度（適應(yīng)值的大�。┎捎幂啽P賭的方式雇傭觀察峰采蜜（搜索新蜜源） 如果蜜源多次更新沒有改進，則放棄該蜜源，雇傭蜂轉(zhuǎn)為偵查蜂隨機搜索新蜜源。 1.蜜源初始化 初始化時，隨機生成SN個可行解（等于雇傭蜂的數(shù)量）并計算適應(yīng)度函數(shù)值。隨機產(chǎn)生可行解的公式如下： (1) 式中，xi(i=1， 2， . . . ， SN)為D維向量，D為優(yōu)化參數(shù)的個數(shù)，j ∈{1， 2， … ， D}。 2. 新蜜源的更新搜索公式 蜜蜂記錄自己到目前為止的最優(yōu)值，并在當(dāng)前蜜源鄰域內(nèi)展開搜索，基本ABC在蜜源附近搜索新蜜源的公式為: (2) 式中，j∈{ 1， 2， … ， D }，k∈{ 1， 2， …， SN }，k為隨機生成且k≠i，φik 為[ - 1， 1]之間的隨機數(shù)。 3. 觀察蜂選擇雇傭蜂的概率 （3） 式中，fit(xi)為第i個解的適應(yīng)值對應(yīng)蜜源的豐富程度。蜜源越豐富，被觀察蜂選擇的概率越大。 4. 偵察蜂的產(chǎn)生 為防止算法陷入局部最優(yōu)，當(dāng)某蜜源迭代limit次沒有改進時，便放棄該蜜源， 并且將該蜜源記錄在禁忌表中， 同時該蜜源對應(yīng)的雇用蜂轉(zhuǎn)變?yōu)閭刹旆浒词?1)隨機產(chǎn)生一個新的位置代替原蜜源。 三 控制參數(shù) 蜜源的個數(shù)（與雇傭蜂或觀察蜂相等）SN 算法終止的最大進化數(shù)(maximum evaluation number)MEN limit。 基本ABC算法的流程為： 1: 根據(jù)式(1)初始化種群解xi，i =1，…，SN 2: 計算種群中各個蜜蜂的適應(yīng)值 3: cycle = 1 4: repeat 5: 雇傭蜂根據(jù)(2)產(chǎn)生新的解vi 并計算適應(yīng)值 6: 雇傭蜂根據(jù)貪心策略選擇蜜源 7: 根據(jù)(3)式計算選擇蜜源xi的概率Pi 8: 觀察蜂根據(jù)概率Pi選擇蜜源xi，根據(jù)(2)式在該蜜源附近產(chǎn)生新的蜜源vi ，并計算新蜜源vi的適應(yīng)值 9: 觀察蜂根據(jù)貪心策略選擇蜜源 10: 決定是否存在需要放棄的蜜源，如果存在，根據(jù)(1)式隨機產(chǎn)生一個蜜源替代它 11: 記錄最優(yōu)解 12: cycle = cycle + 1 13: until cycle = MCN 4. 算法可能改進方式 1.新蜜源的搜索鄰域（2）式的改進（例如其它拓?fù)溧徲颍?2. 觀察蜂選擇雇傭蜂的概率（3）式的改進（比如，動態(tài)的）5z7紅軟基地