摘要：为解决原始人工蜂群算法收敛速度慢、开发性不足的问题,在保证其探索性的基础上增强开发性,提出引入高斯分布缩放因子的人工蜂群算法。在引领蜂阶段采用基于邻域的最优解学习搜索策略,增加种群多样性;在跟随蜂阶段采用能够自适应调节搜索步长的三角变异搜索策略,修改其食物源的选择方式;两个搜索方程中引入高斯分布缩放因子,利用搜索方程特性及通过实验设定高斯参数,实现算法在探索和开发之间的平衡。采用10个不同特性的标准测试函数进行仿真实验,验证了改进后的算法在搜索质量、收敛速度、鲁棒性等方面的优越性。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社