相关实验视频
Updated: Jun 9, 2025
03:45
A Rapid Method to Confine and Safely Handle Bees in the Field
Published on: August 23, 2024
739
一个新的单参数蜜蜂算法
Hamid Furkan Suluova1, Duc Truong Pham1
1Department of Mechanical Engineering, The University of Birmingham, Birmingham B15 2TT, UK.
Biomimetics (Basel, Switzerland)
|October 25, 2024
概括
简化的蜜蜂算法 (BA1) 仅使用一个参数,减少调整的复杂性和提高效率. 这种优化的算法在连续和组合优化任务中表现出强的性能.
科学领域:
- 计算智能是一种计算智能.
- 优化算法 优化算法
- 超听证学是一种超听证学.
背景情况:
- 原始的蜜蜂算法 (BA) 是一种灵感来自蜜蜂寻行为的元启发式算法,广泛用于连续和组合优化.
- BA需要对六个参数进行仔细调整,这对于不熟悉算法的用户来说可能是耗时和具有挑战性的.
- 参数灵敏度可以显著影响性能,特别是在复杂的优化问题.
研究的目的:
- 介绍BA1,一种新的蜂类算法变体,具有单个用户选择的参数.
- 为了简化参数调整过程,提高蜜蜂算法的效率.
- 根据已建立的优化算法对BA1的性能进行评估.
主要方法:
- BA1消除了与高性能和精英蜜蜂相关的参数,简化了原来的BA结构.
- 使用增量k-means集群来动态分组侦察蜜蜂.
- 在TSPLIB的23个连续基准函数和12个组合问题上进行了测试.
主要成果:
- 与受欢迎的自然灵感优化算法相比,BA1显示出具有竞争力的性能.
- BA1的简化参数集导致了更高效和用户友好的调过程.
- 在连续优化和组合优化领域的有效应用.
结论:
- BA1通过减少参数复杂性,对原来的蜜蜂算法进行了显著改进.
- 该算法的效率和性能使其成为各种优化挑战的可行替代方案.
- 进一步的研究可以探索BA1对更广泛的复杂优化问题的适用性.
