研究文章
一个新的修改与指数函数自适应人工蜂群算法的步骤
|
)初始化阶段 |
| ()食品数量=,食物来源的数量等于一半的殖民地的大小 |
| (基于人口的反对学习初始化的部分3.1 |
| ()计算他们的健身价值 |
| (基于类型的子总体中分组中所描述的部分3.2 |
| ()试验= 0(1、食品数量)。试验初始化计数器0 |
| ()初始化精英食物来源 |
| (记住最好的食物来源 |
| Iter = 0; |
| 虽然Iter马克斯迭代 |
| 选择一个更好的精英sensitivity-pheromone选项部分3.3 |
| ()采用蜜蜂阶段 |
| 为食品数量= 1 |
| ()每个食物来源的更新步长(7)和生成一个新的解决方案,(10) |
| ()评估新的解决方案 |
| ()Iter = Iter + 1 |
| ()之间sensitivity-pheromone选择是应用当前的解决方案及其突变体。 |
| 如果突变的解决方案是比当前的解决方案替代解决方案 |
| 突变试验和复位计数器的解决方案。否则,增加 |
| 其审判计数器。 |
| 结束 |
| 计算概率使用(6) |
| ()旁观者蜜蜂阶段 |
| ()选择一个食物源sensitivity-pheromone方法部分3.3 |
| (为每一个旁观者蜜蜂),更新每个食物来源的步长(7)和生成一个新的解决方案,(10) |
| ()Iter = Iter + 1 |
| ()sensitivity-pheromone选择是当前解决方案及其突变体之间的应用。 |
| 如果突变的解决方案是比当前的解决方案,替代解决方案 |
| 突变试验和复位计数器的解决方案。 |
| 否则,增加其审判计数器。 |
| 记住最优解决方案 |
| ()侦察蜂阶段 |
| ()确定试验的食物来源计数器超过“限制”的价值, |
| 且只有一个侦察蜂可以发生在每个迭代 |
| ()使用一个侦察蜂进行随机搜索 |
| 如果食品数量马克斯迭代 |
| 结束时 |
| 返回最优解 |
|
