[发明专利]一种基于交叉全局人工蜂群算法的资源调度优化方法

说明书

本发明公开了一种基于交叉全局人工蜂群算法的资源调度优化方法，首先引入蜜源，再引入三种蜂：采蜜蜂、观察蜂、侦察蜂，采蜜蜂同具体的蜜源联系在一起，采蜜蜂通过摇摆舞与其它蜜蜂分享信息，观察蜂等待在舞蹈区通过分享采蜜蜂的信息对食物源作出选择，侦察蜂的作用是随机搜索一个新的位置。本发明的一种基于交叉全局人工蜂群算法的资源调度优化方法，克服了基本人工蜂群算法疏于开发的缺陷，增强了算法方向性，大大提高了人工蜂群算法在最优解附近的开发能力。与此同时，引入了系数cr对于算法的探索能力和开发能力影响较大，针对特定问题可以通过调节cr的值来取得满意解，增强了算法对于各种优化问题的适应能力。

技术领域

本发明涉及资源调度优化领域，具体地，涉及一种基于交叉全局人工蜂群算法的资源调度优化方法。

背景技术

随着工业化及全球化进程的加剧、社会结构的变迁，各种大规模自然灾害和公共安全事件等突发事件越来越频繁地侵袭着我们生存的世界，造成巨大的财产损失和人员伤亡。

突发事件发生后，应急资源调度作为应急管理的重要环节，贯穿整个应急救援工作的实现阶段，是应急管理实现救援价值的重要表现。对应急资源调度的研究是为了更快、更好的完成应急救援工作，最大限度的提高应急资源调度的效率，避免事件继续恶化和产生不利的连锁反应。

人工蜂群算法是一种现代启发式智能搜索算法，对其理论研究和应用已成为新的热点，由于它在很多方面的优良性能，已经成为仿生智能计算领域的一种重要优化算法。人工蜂群算法简单易于实现，鲁棒性强。与其它群体智能算法相比，人工蜂群算法的突出优点是在每次迭代中都进行全局和局部搜索。因此，找到最优解的概率大大增加，并在较大程度上避免了局部最优。

基本人工蜂群算法未有全局最优值记忆和参与算法过程，致使该算法因全局探测能力不足而陷入局部最优解。本发明采用基于交叉操作的全局人工蜂群(CGABC)算法对资源调度进行优化，CGABC算法通过引入交叉机制，克服了人工蜂群算法疏于开发的缺陷，增强了算法方向性，大大提高了人工蜂群算法在最优解附近的开发能力。与此同时，引入了系数cr对于算法的探索能力和开发能力影响较大，针对特定问题可以通过调节cr的值来取得满意解，增强了算法对于各种优化问题的适应能力。

发明内容

本发明的目的在于，针对上述问题，提出一种基于交叉全局人工蜂群算法的资源调度优化方法，以实现改善基本人工蜂群算法易陷入局部最优解的情形，在收敛精度和收敛速度上得到了显著的提高的优点。

为实现上述目的，本发明采用的技术方案是：一种基于交叉全局人工蜂群算法的资源调度优化方法，主要包括：

步骤S1：初始化蜜蜂种群参数；

步骤S2：采蜜蜂在搜索开始阶段进行邻域搜索，计算初始适应度值fitness(x_i)，并记录全局最优值GlobalValue和全局最优解向量GlobalMin；

步骤S3：将二项交叉与人工蜂群算法结合；

步骤S4：计算观察蜂跟随概率，观察蜂转化为采蜜蜂进行邻域搜索，并进行交叉操作，按照贪婪准则选择新的蜜源，并保留全局最优值；

步骤S5：若采蜜蜂、观察蜂搜寻次数(蜜源停留)超过邻域最大搜索次数limit，仍然没有找到更高适应度的蜜源，则放弃该蜜源，同时蜜蜂的角色由采蜜蜂或者观察蜂转化为侦察蜂，并随机产生一个新的蜜源；

步骤S6：记录当前所有蜜蜂找到的最优蜜源，并跳至步骤S2，直到满足最大迭代次数maxCycle或小于优化误差时输出全局最优位置。

进一步的，所述资源调度优化方法还包括：

初始时刻，种群位置的确定公式如下：

式中：为搜索空间的上界；为搜索空间的下界。