具有混沌搜索策略的蜂群优化算法

提出一种改进人工蜂群局部搜索能力的优化算法, 对陷入局部最优值的雇佣蜂, 使用禁忌表存储其局部极 值, 并引入混沌序列重新初始化, 在迭代中产生局部极值的邻域点, 帮助其逃离束缚并快速搜寻到最优解. 改进算法 有效地结合标准蜂群算法的全局优化能力、禁忌表的记忆能力和混沌局部搜索能力, 对经典函数的测试计算表明, 改进算法提高了蜂群寻优能力, 在收敛速度和精度上均优于标准蜂群算法, 适合工程应用中的复杂函数优化问题.