[论文解读] Evaluation the efficiency of artificial bee colony and the firefly algorithm in solving the continuous optimization problem

Seyyed Reza Khaze, Isa Maleki+2 more|arXiv (Cornell University)|Sep 16, 2013

Metaheuristic Optimization Algorithms Research参考文献 11被引用 8

一句话总结

本文评估了人工蜂群算法（ABC）和萤火虫算法（FA）在求解连续优化问题中的性能。通过使用具有高搜索空间复杂性和聚类最优解的基准函数，研究从解的精度、收敛速度和可靠性三个方面比较了两种算法，结果表明在所测试的问题中，FA在收敛速度和解的质量方面通常优于ABC。

ABSTRACT

Now the Meta-Heuristic algorithms have been used vastly in solving the problem of continuous optimization. In this paper the Artificial Bee Colony (ABC) algorithm and the Firefly Algorithm (FA) are valuated. And for presenting the efficiency of the algorithms and also for more analysis of them, the continuous optimization problems which are of the type of the problems of vast limit of answer and the close optimized points are tested. So, in this paper the efficiency of the ABC algorithm and FA are presented for solving the continuous optimization problems and also the said algorithms are studied from the accuracy in reaching the optimized solution and the resulting time and the reliability of the optimized answer points of view.

研究动机与目标

• 评估人工蜂群算法（ABC）和萤火虫算法（FA）在求解连续优化问题中的效率。
• 从解的精度、收敛速度和可靠性角度分析ABC和FA的性能。
• 在具有大搜索空间和紧密分布最优解的基准问题上测试两种算法。
• 提供元启发式算法在真实世界连续优化场景中的对比分析。

提出的方法

• 研究采用具有高维搜索空间和多个局部最优解的标准基准函数，以评估算法性能。
• 人工蜂群算法（ABC）通过雇佣蜂、观察蜂和侦察蜂阶段来探索和开发搜索空间。
• 萤火虫算法（FA）通过吸引力和光强度机制引导萤火虫向更优解移动。
• 通过多次运行评估解的精度、收敛速度和结果的一致性。
• 使用均值和最佳解标准差等指标进行统计评估。
• 在一组具有已知全局最优解的连续优化问题上测试算法，以进行对比分析。

实验结果

研究问题

• RQ1 在具有复杂景观的连续优化问题中，ABC与FA在解的精度方面如何比较？
• RQ2 在多个基准函数上，哪种算法收敛到最优解的速度更快？
• RQ3 ABC和FA在多次执行中产生的解有多可靠？
• RQ4 与ABC相比，萤火虫算法在导航高维、多峰搜索空间方面是否表现出更优性能？
• RQ5 在连续优化任务中，ABC和FA在收敛速度与解质量之间存在何种权衡？

主要发现

• 萤火虫算法（FA）在大多数基准函数上的解精度优于人工蜂群算法（ABC）。
• FA表现出更快的收敛速度，在更少的迭代次数内达到最优或近似最优解。
• ABC在多次运行中解的质量波动更大，表明其可靠性较低。
• 在具有聚类局部最优解的函数上，FA更有效地跳出局部极小值并找到全局最优解。
• 在所有测试函数中，FA获得的平均最佳解值始终低于ABC（即更优）。
• 两种算法在低维问题上表现良好，但FA在高维和复杂景观问题上保持了更优的性能。