浅析基于云模型的人工蜂群算法

作者简介：杜丰（1980.5-）男，硕士研究生在读，研究方向 ：项目管理。

摘要：人工蜂群算法是一种模拟蜜蜂群体寻找优良蜜源的仿生智能优化方法，是最新提出的智能优化算法，近十年来己经成为智能计算领域的一朵奇葩.许多学者致力于研究改进人工蜂群算法的性能，并取得了不错的成果.云模型是我国学者李德毅院士提出的定性和定量转换模型，其应用一直是研究的热点，有不少学者将云模型与智能优化算法结合，并成功地用来解决一些实际问题.本文在对人工蜂群算法深入研究的基础上，利用云模型的优点，提高蜂群的搜索寻优能力，使得人工蜂群算法有更快的收敛速度。

关键词：云模型 人工蜂群算法 正态云 全局最优

中图分类号 ： TP18文献标识码：A 文章编号：1672-3791（2014）01（C）-0000-00

1 云模型概述

针对概率论以及模糊数学在处理不确定性方面的不足，1995年我国工程院院士李德毅以概率论，模糊数学为基础提出了云的概念，并提出用“云模型”来统一地刻画语言值中大量存在的模糊性和随机性以及两者的关联性.具体来说，就是将云模型作为某个定性概念（用语言值描述）与其数值表示之间的不确定性转换模型，即用云的数字特征表示自然语言中的基元一语言值的数学性质.在云模型中嫡表示在论域空间可以被定性概念接受的取值范围，是定性概念亦此亦彼性的度量，即模糊度；超嫡是不确定性状态变化的度量，即嫡的嫡.云模型不仅反映代表定性概念值的样本出现的随机性，还反映隶属度的不确定性，并揭示随机性和模糊性之间的关联。

云模型理论主要包括云模型、虚云、云发生器、云变换和云推理等，进而发展完善成一套完整理论，下面主要介绍云模型定义、正态云模型、正态云发生器和条件云发生器等。

2 正态云模型

由于在概率论与随机过程的理论研究和实际应用中，正态分布起着特别重要的作用，在各种概率分布中居于首要的地位，其概率分布的形式广泛存在于自然现象、社会现象、科学技术以及生产活动中，在实际中遇到的许多随机现象都服从或近似服从正态分布.中心极限定理也在理论上阐述了产生正态分布的条件，体现了其广泛性和普适性。另外，在模糊集理论中，隶属函数是模糊理论的基石，但自然和社会科学中的大量模糊概念的隶属函数，并没有严格的确定方法，在通常的经验下最为常见的隶属函数是钟形隶属函数，这与正态分布的密度函数是一致的。

3 人工蜂群算法概述

人工蜂群算法是模仿真实蜜蜂群行为提出的一种优化方法，它不需要了解所要解决问题的任何特殊信息，只需要对问题进行优劣的比较，通过每个人工蜂个体的局部寻优行为，最后在蜜蜂群体中使全局最优值突现出来，有着较快的收敛速度。蜜蜂群产生群体智慧的最小搜索模型由三个基本的要素组成：

3.1 食物源：它的价值是由多个方面的因素决定，如它离蜂巢的距离远近，所含花蜜的丰富程度以及取得花蜜的难易程度.可以使用单一的参数“收益度”来代表上述各个因素并且用来衡量食物源。

3.2 雇佣蜂：也称采蜜蜂和引领蜂，它与所采集食物源一一对应引领蜂储存某个食物源的相关信息（与蜂巢的距离，方向以及食物源的丰富程度等），并且将这些信息以一定的概率与其他蜜蜂分享。

3.3 非雇佣蜂：也称待工蜂，其主要任务是寻找和开采食物源.有两种未被雇用的蜜蜂：侦察蜂和跟随蜂.侦察蜂搜索蜂巢附近的新食物源；跟随蜂在蜂巢内等待并通过引领蜂分享的相关信息找到食物源.

在群体智慧的形成过程中，蜜蜂间交换信息是最重要的一环.蜜蜂的舞蹈叫做摇摆舞，雇佣蜂在舞蹈区（蜂巢中的信息交换地）通过摇摆舞的形式将它所对应的食物源信息传递给其他的蜜蜂，用摇摆舞的时间持续的长短等来表现食物源的收益率，跟随蜂可以在舞蹈区观察到大量的舞蹈，并根据收益率来选择到哪一个食物源采蜜.收益率与食物源被选择的可能性成正比.因而蜜蜂被招募到某个食物源的概率与此食物源的收益率成正比.

4 基于云模型的改进人工蜂群算法

原始的人工蜂群算法在解空间中寻找全局最优解的能力比较强（探索过程），但利用先前的解来寻找更好解的能力比较差（开采过程）.针对这些问题，本文利用云模型对定性定量之间的不确定关系有转化能力的特点，将原始人工蜂群算法进行改进以增强其解的开采能力，并在提高算法的收敛速度的同时较大程度上避免过早收敛.下面我们将从概率选择算子，跟随蜂的更新机制进行改进.

本文也通过云模型改进原始蜂群算法中的跟随蜂选择策略.与PABC算法不同，将每一代的最差适应度值作为期望值Ex，具体的正态云算子的三个数字特征表示如下：

N是正态随机数生成器。

易发现越靠近Ex的个体适应度较小的个体将获得较高的可能性，即选择概率，这样可以保证种群的多样性，较大程度上避免陷入局部最优.

5结论

虽然算法有着无法小觑的优点，但问题依然存在.可看到，并不是在所有的函数上它都能得到最好的结果.原始ABC算法相比于其他的智能优化算法，本身已经是很新很成熟而且近乎完美，与遗传算法和粒子群算法等相比，ABC算法有更高的鲁棒性，越来越多的学者致力于提高人工蜂群算法的性能.随着智能优化算法和计算机的发展，相信改进后的人工蜂群算法会得到更大的发展.

参考文献

[1] 赵艳丽，梁晶晶. 改进的多车道交通信号智能控制系统设计[J]. 制造业自动化. 2013（07）

[2] 李明伟，康海贵，周鹏飞. 基于混沌云粒子群算法的交叉口信号智能配时优化[J]. 武汉理工大学学报（交通科学与工程版）. 2013（01）

[3] 申哲巍，张树芳，孙东海. 改进云遗传算法在负荷优化分配中的应用[J]. 陕西电力. 2012（12）

[4] 张佩炯，苏宏升，杨珏，张吉斌. 基于改进云粒子群算法的电力系统无功优化研究[J]. 兰州交通大学学报. 2012（06）

[5] 李宗刚，王寅杰，高溥，石慧荣. 基于云模型的彩色图像粒聚类分析[J]. 兰州交通大学学报. 2012（06）

[6] 林小军，叶东毅. 云变异人工蜂群算法[J]. 计算机应用. 2012（09）