摘要
针对人工蜂群(ABC)算法收敛速度慢、种群多样性下降及探索与利用失衡等问题,本文提出动态策略与混沌驱动的蜂群优化算法(DSCD-ABC)。该算法将多种差分进化变异算子融入蜂群搜索过程,构建动态策略池并采用基于历史效能反馈的自适应轮盘赌机制以增强全局探索能力,借鉴协方差矩阵自适应进化策略思想,动态调整搜索协方差矩阵和步长以提升鲁棒性,集成拟牛顿法与模式搜索算子优化精英个体,并结合混沌映射、对立学习及记忆库优化重启策略。通过经典型测试函数仿真验证,该算法在求解精度、收敛速度和稳定性上均优于标准ABC及其他改进算法。
作者
杨烊
于干
周长
Yang Yang;Yu Gan;Zhou Chang
出处
《赤峰学院学报(自然科学版)》
2025年第11期14-21,共8页
Journal of Chifeng University(Natural Science Edition)
基金
国家自然科学基金项目(31071310)。
