异维学习人工蜂群算法

针对人工蜂群算法局部搜索能力弱及易陷入局部最优的缺点,提出了一种改进的人工蜂群算法。首先,雇佣蜂使用全局最优引导的搜索策略,且引导程度随个体试验次数(trial)自适应减小,以此平衡算法的全局和局部搜索能力;其次,观察蜂采用变异的异维学习策略,使算法的搜索具有跳跃性,以提高跳出局部最优的概率。对八个经典基准测试函数和CEC2013中八个复合基准函数的测试结果表明,与多种最近提出的类似算法相比,新算法在收敛速度和解的精度上均具有显著优势。