一种改进膜蜂群算法

　　针对现有算法在求解大规模0-1背包问题时存在的不足，提出一种改进膜蜂群算法（IABCPS）。IABCPS将膜计算（MC）的思想引入人工蜂群（ABC）算法，基于极坐标编码的方式，采用细胞型单层膜结构（OLMS），利用各基本膜中改进人工蜂群算子进行迭代，并结合表层膜实现数据交流；算法通过调整内部参数，实现寻优过程中开发和探索的有效配合。实验结果表明IABCPS在求解小规模背包问题时能准确找到最优解。在求解200个物品的背包问题时，IABCPS相对克隆选择免疫遗传算法（CSIGA）平均结果提高了0.15%，方差降低了97. 53%；相对于ABC算法平均结果提高了4. 15%，方差降低了99. 69%，表现出了良好的寻优能力和稳定性。在与ABCPS求解物品数量为300，500，700，1 000的大规模背包问题的比较实验中，IABCPS的平均结果比ABCPS分别高1.25%、3.93070、6.75%和11. 21%，且方差与实验次数的商始终维持在个位数，表现出了良好的鲁棒性。