摘要：由于人工蜂群(artificial bee colony,ABC)算法存在收敛速度慢、易陷入局部最优的缺点,采用设置自适应缩放因子和基于适应度排序的选择方式代替传统的轮盘赌模型,提出了一种改进的快速人工蜂群算法(fast artificial bee colony,FABC).基于这种FABC算法对4个离散变量的几何优化模型进行了优化,并与遗传算法(GA)、蚁群算法(ACA)、启发式粒子群优化算法(HPSO)和群搜索算法(GSO)作了比较.结果表明,这种改进的人工蜂群算法具有较好的收敛精度.另外,ABC算法以及FABC算法结构简单,可应用在其他优化问题上.

摘要：针对机械优化设计问题中的混合变量非线性规划问题,提出一种改进的差异演化算法。首先针对混合变量非线性规划问题的特点,采用离散变量与连续变量分别进化策略,以使差异演化算法能够适于解决这类问题。其次,依据基因突变原理,提出突变因子的概念,使群体中的一部分个体不经过交叉操作,而直接与父代竞争,提高了群体的多样性,增强了算法的全局搜索能力,并对差异演化算法的缩放因子进行线性递减计算,加快了算法的收敛速度。测试结果表明,所提出算法不仅能够解决混合变量非线性规划问题,而且有较快的收敛速度和较好的全局收敛能力,实用价值明显。

摘要：针对粮食产量预测方法预测精度的不足,提出一种融入差分进化自适应灰狼算法优化正则项径向基神经网络的粮食产量预测模型DEGWO-RBFNN。为提高灰狼算法的搜索精度,引入指数分布随机数初始化种群,提升初始种群质量;设计Sigmoid函数自适应缩放因子均衡算法搜索与开发;引入差分进化提高全局搜索能力。利用改进GWO搜索RBFNN超参数,解决网格调参易陷入局部最优及初值敏感的不足。实验结果表明,与GWO-RBFNN、RBFNN、DE-RBFNN、BPNN、GA-BPNN、支持向量机、随机森林相比,DEGWO-RBFNN预测精度达到96.06%,比对比模型可提高2.47%~14.79%。