合蜂群杂草算法及其在灌溉制度优化中的应用

J4 ›› 2014, Vol. 36 ›› Issue (09): 1728-1735.

合蜂群杂草算法及其在灌溉制度优化中的应用

龚亚星1，王联国1,2

(1.甘肃农业大学工学院，甘肃兰州 730070；2.甘肃农业大学信息科学技术学院，甘肃兰州 730070)

收稿日期:2013-04-07 修回日期:2013-05-29 出版日期:2014-09-25 发布日期:2014-09-25
基金资助:
国家自然科学基金资助项目（61063028）；甘肃省教育信息化发展战略研究资助项目（2011）

A hybrid algorithm of bee colony and invasive weed
optimization and its application in irrigation schedule optimization

GONG Yaxing1，WANG Lianguo1,2

(1.College of Engineering,Gansu Agricultural University,Lanzhou 730070;2.College of Information Science and Technology,Gansu Agricultural University,Lanzhou 730070,China)

Received:2013-04-07 Revised:2013-05-29 Online:2014-09-25 Published:2014-09-25

摘要/Abstract

摘要：

首先针对杂草算法容易早熟收敛的问题，将人工蜂群算法的寻优机制引入其中，提出了一种混合蜂群杂草算法。该算法对杂草种群中的每个个体利用采蜜蜂搜索方式进行变异，对群体最优个体利用跟随蜂搜索方式进行变异，用较优的变异结果替代原有个体，提高了算法的收敛精度。然后，通过对几个标准测试函数进行实验，验证了改进算法的优化性能。最后，将该算法应用到灌溉制度优化问题中，为制定灌溉水量分配方案提供了一种新的工具。

关键词: 群体智能, 杂草算法, 蜂群算法, 遗传算法, Jesen模型, 优化灌溉

Abstract:

Firstly, aiming at the premature convergence problem of Invasive Weed Optimization (IWO) algorithm,a hybrid algorithm of Bee Colony and Invasive Weed Optimization (BCIWO) is proposed by introducing the optimization mechanism of Artificial Bee Colony (ABC) algorithm. Every individual in the weed colony is mutated by employed bees’ search behavior and the global best individual is mutated by onlookers’ search method in this improved algorithm. The better result of mutation is used to replace the original individual.Those improve the convergence speed and the accuracy of IWO.Then the optimal performance of BCIWO is verified by test functions.Finally,the new algorithm is applied into the irrigation schedule optimization problem,thus providing a promising way to allocate irrigation water.

Key words: swarm intelligence;invasive weed optimization algorithm;artificial bee colony algorithm;genetic algorithm;Jesen model;optimized irrigation

龚亚星1，王联国1,2. 合蜂群杂草算法及其在灌溉制度优化中的应用[J]. J4, 2014, 36(09): 1728-1735.

GONG Yaxing1，WANG Lianguo1,2. A hybrid algorithm of bee colony and invasive weed
optimization and its application in irrigation schedule optimization [J]. J4, 2014, 36(09): 1728-1735.

[1]	李成冉, 方佳豪, 尹首一, 魏少军, 胡杨. 基于遗传算法的晶圆级芯片映射算法研究[J]. 计算机工程与科学, 2024, 46(06): 993-1000.
[2]	王颍超. 鲸鱼优化算法研究与应用进展[J]. 计算机工程与科学, 2024, 46(05): 881-896.
[3]	任晟岐, 宋伟. 基于GGInformer模型的多维时间序列特征提取与预测研究[J]. 计算机工程与科学, 2024, 46(04): 590-598.
[4]	孙睿男, 初翔, 陈昱, 闫明宁. 基于混合启发式算法的快递末端选址路径优化研究[J]. 计算机工程与科学, 2024, 46(01): 159-169.
[5]	郭艺, 何廷年, 李爱斌, 毛君宇. 融合GA-CART和Deep-IRT的知识追踪模型[J]. 计算机工程与科学, 2023, 45(09): 1691-1700.
[6]	庄鹤林, 杨火根, 夏小云, 廖伟志. 关于矩阵乘法问题的人工蜂群优化算法研究[J]. 计算机工程与科学, 2021, 43(12): 2131-2138.
[7]	毛媛媛, 石恩雅, 蒋从锋, 仇烨亮, 贾刚勇, 万健, 闫龙川. 基于遗传算法的数据中心能效仿真[J]. 计算机工程与科学, 2021, 43(08): 1341-1352.
[8]	胡新荣, 刘嘉文, 刘军平, 彭涛, 何儒汉, . 基于改进GA-BP-MC神经网络的人体三维尺寸预测[J]. 计算机工程与科学, 2021, 43(08): 1443-1453.
[9]	李静, 莫思敏 . 基于改进遗传算法的深度神经网络优化研究[J]. 计算机工程与科学, 2021, 43(08): 1503-1511.
[10]	李晶晶, 许少华. 基于组合核函数的径向基过程神经网络及其在示功图诊断中的应用[J]. 计算机工程与科学, 2021, 43(04): 746-752.
[11]	季子豪, 江凌云. 一种基于遗传算法的多站点协同计算卸载算法[J]. 计算机工程与科学, 2021, 43(03): 426-434.
[12]	贾俊杰, 秦海涛. 基于遗传算法的动态轨迹匿名算法[J]. 计算机工程与科学, 2021, 43(01): 142-150.
[13]	李丹莲, 曹倩, 徐菲. 基于改进遗传算法的连锁便利店配送路径优化[J]. 计算机工程与科学, 2020, 42(11): 2096-2102.
[14]	陈旺虎，田真，张礼智，梁小燕，高雅琼. 基于插值的高维稀疏数据离群点检测方法[J]. 计算机工程与科学, 2020, 42(06): 966-972.
[15]	包敏泽, 胡秀婷, 谢玉莹, 蒋波. 基于人工蜂群算法的p-center问题求解算法[J]. 计算机工程与科学, 2020, 42(06): 1127-1133.