基于动态评价选择策略的改进人工蜂群DSABC算法

　　针对标准人工蜂群（ABC）算法易陷入局部极值的问题，对标准ABC算法的轮盘赌选择机制进行了修改，提出了一种基于动态评价选择策略的改进人工蜂群（ DSABC）算法。首先，根据到当前为止一定迭代次数内蜜源位置的连续更新或停滞次数，对每个蜜源位置进行动态评价；然后，利用所得的评价函数值为蜜源招募跟随蜂。在6个经典测试函数上的实验结果表明：与标准ABC算法相比，动态评价选择策略改进了标准ABC算法的选择机制，使得DSABC算法的求解精度有较大幅度提高，特别是对于两种不同维数的Rosenbrock函数，所得最优值的绝对误差分别由0. 0017和0.0013减小到0.000 049和0.000 057；而且，DSABC算法克服了进化后期因群体位置多样性丢失较快而产生的早熟收敛现象，提高了整个种群的收敛精度及解的稳定性，从而为函数优化问题提供了一种高效可靠的求解方法。