一、经典流程

1. 初始化

• 生成初始种群：随机生成若干个解作为初始种群，每个解表示一个食物源。
• 初始化参数：包括种群大小、最大循环次数、食物源数目、雇佣蜂数目、观察蜂数目、侦查蜂数目以及限制次数（某个食物源不改进的最大次数）。

2. 迭代过程

进行一系列迭代，每次迭代包括以下步骤：

2.1 雇佣蜂阶段

• 每个雇佣蜂从其当前食物源出发，通过对其邻域进行局部搜索来产生新的食物源。具体步骤如下：
  1. 邻域搜索：对于每个食物源 xi，产生一个新的候选解 vi𝑣𝑖，公式如下： xi𝑥𝑖，产生一个新的候选解 vi𝑣𝑖，公式如下：
  2. 其中，k 是随机选择的一个不同食物源，j 是随机选择的一个维度，ϕij 是一个介于 [-1, 1] 之间的随机数。k 是随机选择的一个不同食物源，j 是随机选择的一个维度，ϕij 是一个介于 [-1, 1]
  3. 选择更新：如果 vi 的适应度优于 xi，则将 xi 替换为 vi；否则，保持 xi𝑥不变。

2.2 计算适应度值

• 计算每个食物源的适应度值，用于观察蜂阶段的选择过程。

2.3 观察蜂阶段

• 1、选择概率 Pi 通常与食物源的适应度值成正比，公式如下： ​​

其中，fi 是第 i 个食物源的适应度值，N 是食物源的总数。

Pi 表示当前观察蜂选择第 i 个食物源(雇佣蜂位置)的概率

即 Pi = 第i个食物源适应度/ 所有食物源适应度之和。

• 2、选择后的操作类似于雇佣蜂阶段，通过邻域搜索生成新解，并根据适应度值更新食物源。

2.4 侦查蜂阶段

• 如果某个食物源在一定次数的尝试（限制次数）后仍未改进，则该食物源被认为是枯竭的。
• 侦查蜂随机生成一个新的食物源来替代该枯竭的食物源。

2.5 收敛判断

• 判断是否满足收敛条件，通常包括以下条件：
  • 达到预定的最大迭代次数。
  • 适应度值的变化在一定范围内趋于稳定。

3. 输出结果

• 如果满足收敛条件，则输出最优解和相关的优化信息。
• 否则，返回第2步继续迭代。

二、思维导图