Page 78 - 基于深度学习的人工智能技术研究

Research on Artificial Intelligence Technology Based on Deep Learning
基于深度学习的人工智能技术研究

网络遇到攻击时节点损毁造成的通信中断问题，将全网抗毁度作为增边修复目标
函数，以人工蜂群算法来求解增边修复模型的最优连接方案，并使用侦察蜂策略
跳出局部最优解，与随机加边、低度数加边和低介数加边算法相比，提升了网络
拓扑修复能力。刘琨等针对无人机航迹规划问题，在采蜜蜂阶段利用两种搜索公

式增加解的多样性，在侦察蜂阶段采用禁忌搜索策略，将局部极值存入禁忌表中
以帮助算法跳脱局部最优解。
3. 融合应用
在实际应用中，研究人员还将人工蜂群算法与其他算法思想相结合，用高效

的引导方式来快速寻求最佳方案。张占义等针对移动机器人路径规划问题，在基
于 sigmoid 函数的自适应位置更新系数中增加随机搜索因子，并将 Bootstrap 采样
理论引入人工蜂群算法，提出了改进的 ABC 算法。孙鹏等针对复杂的战场环境
下指挥控制结构的适应性调整问题，将人工蜂群算法与决策实体负载测度方法结

合，得到了良好的指控结构调整效果。
（四）其他群体智能算法
随着仿生群体智能理论的快速发展，狼群算法、布谷鸟算法、遗传算法、磷
虾群算法、鱼群算法、蝙蝠算法等群体智能算法理论不断涌现。这些新的启发式

算法不需要依赖求解问题自身的严格数学性质，简单高效且有较强的通用性。因
此，在决策控制系统的复杂问题优化工程实践中得到了广泛的应用。
狼群算法是模拟自然界狼群的集体狩猎过程形成的群体智能算法，即：探
狼根据气味搜寻猎物，头狼获取猎物信息后召唤组织狼群，猛狼和探狼对猎物进

行围猎。在狼群算法工程实践中，周同乐等人围绕无人作战机群的多目标协同攻
防决策问题，将满意决策方法与狼群算法相结合，通过狼群算法来寻优满意决策
的满意度因子，实现基于狼群算法的多无人机协同，多目标攻防满意决策方法。
经测试，该方法有效缩小了满意决策的寻优空间，进一步提升了算法运行的整体

效率。
布谷鸟算法是源于布谷鸟的巢寄自然特性和莱维飞行机制提出等群体智能算
法，即：通过随机游走方式搜索获得最优的鸟窝来安放自己的鸟蛋，同时通过莱
维飞行来规避陷入局部最优解的情况。在布谷鸟算法工程实践中，孙海文等针对

防空火力优化分配中火力资源易浪费、战机易延误等问题，融合毁伤概率门限、
飞临时间以及威胁度等因素，构建改进的防空火力优化分配模型，将柯西变异算

70