基于混合搜索的多种群人工蜂群算法

　　针对经典人工蜂群（ABC）算法搜索策略存在搜索机制单一、群体全局搜索与局部搜索运算耦合性较高的问题，提出一种基于混合搜索的多种群人工蜂群（ MPABC）算法。首先，将种群按照适应度值进行排序，得到一个有序队列，进而将其划分为随机子群、核心子群和平衡子群三类有序子群；其次，针对不同子群结合相应的个体选择机制与搜索策略，构建出不同的差异向量；最后，在群体的搜索过程中，通过三类子群实现对具有不同适应度函数值个体的有效控制，来增强群体全局搜索和局部搜索的平衡能力。通过对16个标准测试函数进行仿真实验并与具有可变搜索策略的人工蜂群（ ABCVSS）算法、基于选择概率的改进人工蜂群（MABC）算法、基于粒子群策略的多精英人工蜂群（ PS-MEABC）算法、基于符号函数的多搜索策略人工蜂群（MSSABC）算法和优化高维复杂函数的改进人工蜂群（IABC）算法共五种典型的蜂群算法进行了对比，实验结果显示MPABC具有较好的优化效果；与ABC算法相比，MPABC在求解高维（100维）复杂问题上的收敛速度提高了约23%，且求解精度更优。