利用新的多维选择策略加速人工蜂群算法

基于人工蜂群的带障碍约束的空间聚类算法

近年来，使用自组织群体机器人进行目标搜索和诱捕受到越来越多的关注，但是这些系统的控制设计仍然是一个挑战。 在本文中，我们提出了一种由细菌趋化性启发的群体机器人的分散控制算法，用于目标搜索和诱集。 首先，根据机器人在目标区域中的初始位置建立局部坐标系。 然后将目标区域划分为Voronoi细胞。 初始化后，成群的机器人在目标定义的梯度信息的指导下，开始执行由建议的细菌趋化性算法驱动的目标搜索和捕获任务。 仿真结果证明了该算法的有效性及其对意外机器人故障的鲁棒性。 与其他常用的群体机器人分布式控制方法相比，我们的仿真结果表明细菌趋化算法对局部最优的脆弱性较小，计算效率较高。

源码来自官网，本人对代码进行了详细注释，具体理论参考博客（https://blog.csdn.net/weixin_43935696/article/details/107045716）

人工蜂群算的大论文，作者高卫峰吗，没有知网下载途径的同学可以下载用。人工蜂群算法是集群智能思想的一个具体应用，它的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，有着较快的收敛速度。

基于改进人工蜂群算法的并联机器人正运动学解

MATLAB工具箱大全-人工蜂群工具箱(ABC)

语音情感特征的提取和选择是语音情感识别的关键问题，针对线性预测（LP）模型在语音情感谱包络方面存在的不足。本论文提出了最小方差无失真响应（MVDR）谱方法来进行语音情感特征的提取；并通过人工蜂群（ABC）算法找到最优语音情感特征子集，消除特征冗余信息；利用径向基函数（RBF）神经网络对CASIA汉语情感语料库中的4种情感语音即生气、平静、高兴、害怕进行实验识别。实验结果表明，该方法比线性预测法有更高的识别率和更好的鲁棒性。

人工蜂群算法是模仿蜜蜂行为提出的一种优化方法，是集群智能思想的一个具体应用，它的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，有着较快的收敛速度。为了解决多变量函数优化问题，Karaboga提出了人工蜂群算法ABC模型（artificial bee colony algorithm）。本资源为人工蜂群算法 matlab代码

人工蜂群算法是模仿蜜蜂行为提出的一种优化方法，是集群智能思想的一个具体应用，它的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，有着较快的收敛速度。为了解决多变量函数优化问题，Karaboga提出了人工蜂群算法ABC模型（artificial bee colony algorithm）。 本资源是人工蜂群算法的matlab代码，方便大家下载使用