A dynamic fuzzy-based dance mechanism for the bee colony optimization algorithm

论文概要：
在BCO-Linear算法中，舞蹈持续时间与盈利率线性相关，使得具有比蜜蜂群体的平均盈利能力更高的盈利能力的蜜蜂被允许跳得更长。然而，这种舞蹈规则方案有一个局限性，即它无法有效地区分拐点附近的舞蹈实例（即蜜蜂的盈利能力非常接近蜂群的平均盈利能力）。
由于盈利率与舞蹈持续时间之间的关系难以用精确或固定的推理方法表达，因此提出了称为模糊逻辑的多值逻辑来帮助做出这样的决定。因此，该研究提出了基于线性舞蹈持续时间调节方案的替代方案，即基于动态模糊的舞蹈机制。基于动态模糊跳舞机制的BCO算法在本文中表示为“BCO-Fuzzy算法”。

核心思想：
提出一种基于动态模糊的舞蹈机制来克服BCO-Linear算法中的线性函数的局限性。在提出的BCO-Fuzzy算法中，基于模糊的舞蹈机制接受蜜蜂的Pfi / Pfcolony作为输入,经过一模糊系统输出密封的舞蹈持续时间。
基于模糊的舞蹈机制（m和α）的隶属函数中的2个参数基于搜索过程的反馈被动态控制，以在优化过程的不同阶段中获得相对合适的设置。这种动态参数控制方法可以防止在BCO-Linear算法中对舞蹈持续时间缩放因子进行手动参数调整

杂：
模糊控制系统利用模糊逻辑来模拟人类的决策能力。它通过推理知识来解决复杂问题，主要表现为if-then规则而不是传统的程序代码。模糊控制系统由3个阶段组成如下。

模糊化：将清晰的输入值转换为一组模糊值。
模糊推理：将模糊输入值与知识库中的规则进行匹配，以产生模糊输出值。
去模糊化：将模糊输出值转换为清晰的输出值