基于boltzmann选择策略的人工蜂群算法

针对人工蜂群和粒子群算法的优势与缺陷, 提出一种Tent 混沌人工蜂群粒子群混合算法. 首先利用Tent 混沌反向学习策略初始化种群; 然后划分双子群, 利用Tent 混沌人工蜂群算法和粒子群算法协同

为了提高人工蜂群算法的搜索性能，引入了连续状态下的生物病毒机制和宿主与病毒基于感染操作等思想优化人工蜂群算法搜索机制。人工蜂群算法具有控制参数少、实现简单的优点，但是由于蜂群收敛采用局部搜索，使得算法

多目标人工蜂群算法。该程序能够测试ZDT1~3、UF1~10、CF1~10等标准函数，其他测试函数可自行添加，并且可以计算GD、Spread、IGD等性能指标。

几篇研究人工蜂群算法的中文文献，研究ABC的同学们可参考

人工蜂群算法（artificialbeecolonyalgorithm）是一种最新的基于仿生学的元启发式优化算法，对解决组合优化问题有很好的结果。提供几篇最新的国外研究论文，想在这方面研究的朋友可以学

约束多目标优化的多蜂巢人工蜂群算法

文档中主要包括了杜鹃搜索、花粉算法、人工蜂群、狼群搜索等智能算法，通过对文献的阅读，可以加深对智能算法的理解，有利于入门智能算法领域

提出一种基于进化知识融合的多目标人工蜂群算法.首先,采用精英群体知识和种群自身进化知识混合引导引领蜂进化,保持种群的多样性和优异性;然后,将一种融合个体支配关系和种群分布关系的方法引入跟随蜂的概率选择

针对人工蜂群(ABC)算法开发能力差、收敛速度慢的缺点,分别提出适用于雇佣蜂和观察蜂阶段的搜索方程,其中前者用到精英解、随机选择个体及其邻域的有益信息,后者用到群体最优解的信息.所提出的搜索方程在一定

人工蜂群算法（ABC）原理介绍，包含详细PDF文档及MATLAB源码，简单易学，非常好用！