• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    一種鄰域搜索的人工蜂群算法

    2015-10-13 11:58:53周新宇吳志健鄧長(zhǎng)壽彭虎
    關(guān)鍵詞:優(yōu)化

    周新宇,吳志健,鄧長(zhǎng)壽,彭虎

    ?

    一種鄰域搜索的人工蜂群算法

    周新宇1, 2,吳志健1,鄧長(zhǎng)壽3,彭虎1

    (1. 武漢大學(xué) 計(jì)算機(jī)學(xué)院,軟件工程國(guó)家重點(diǎn)實(shí)驗(yàn)室,湖北 武漢,430072;2. 江西師范大學(xué) 計(jì)算機(jī)信息工程學(xué)院,江西 南昌,330022;3. 九江學(xué)院 信息科學(xué)與技術(shù)學(xué)院,江西 九江,332005)

    提出采用鄰域搜索機(jī)制來(lái)改進(jìn)人工蜂群算法的解搜索方程,從當(dāng)前食物源的環(huán)形鄰域拓?fù)浣Y(jié)構(gòu)中選擇較優(yōu)的鄰居食物源進(jìn)行開采,平衡算法的勘探與開采能力。此外,為保存?zhèn)刹旆涞乃阉鹘?jīng)驗(yàn),提出采用一般反向?qū)W習(xí)策略生成被放棄食物源的反向解,提高算法的搜索效率。在20個(gè)典型的benchmark函數(shù)上驗(yàn)證算法的性能,并與6種知名的改進(jìn)算法進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明:本文算法在收斂速度和解的精度上均有較大優(yōu)勢(shì)。

    全局優(yōu)化;人工蜂群;鄰域搜索;一般反向?qū)W習(xí)

    人工蜂群(artificial bee colony, ABC)算法是近年來(lái)提出的一種較為新穎的全局優(yōu)化算法[1?2],具有結(jié)構(gòu)簡(jiǎn)單、控制參數(shù)少、易于實(shí)現(xiàn)等特點(diǎn)。該算法與粒子群優(yōu)化(particle swarm optimization, PSO)算法[3]類似,都是通過(guò)模擬自然界生物的群體智能行為而設(shè)計(jì)的群智能優(yōu)化算法。但與PSO算法不同的是,ABC模擬的是蜂群的智能采蜜行為,它根據(jù)不同種類蜜蜂的分工協(xié)作,實(shí)現(xiàn)整個(gè)蜂群采蜜量的最大化,即找到待優(yōu)化問題的最優(yōu)解[4]。Karaboga等[5]研究結(jié)果表明,ABC的性能要優(yōu)于或者相當(dāng)于差分演化(differential evolution,DE)算法、PSO算法和遺傳算法。目前,ABC算法已成功地用于解決多種不同類型的實(shí)際優(yōu)化問題,如參數(shù)優(yōu)化[6]、符號(hào)回歸[7]、神經(jīng)網(wǎng)絡(luò)[8?9]以及車輛路徑問題[10]等。在標(biāo)準(zhǔn)ABC算法中,雇傭蜂(employed bee)和觀察蜂(onlooker bee)共用一種解搜索方程(solution search equation)生成新的候選食物源,因而算法的性能主要依賴于該方程。然而,最近的研究[11?13]指出,這種解搜索方程側(cè)重于算法的勘探(exploration)能力,而開采(exploitation)能力不足,易導(dǎo)致算法的收斂速度過(guò)慢和解的精度不高。針對(duì)此問題,受PSO算法的啟發(fā),Zhu等[11]提出了一種引導(dǎo)的ABC算法,在解搜索方程中融入全局最優(yōu)解的信息,用于提高算法的開采能力。類似地,Banharnsakun等[12]也在全局最優(yōu)解的基礎(chǔ)上,提出了改進(jìn)的解搜索方程。Gao等[13]受DE算法的“DE/best/1”變異策略的啟發(fā),提出了一種“ABC/best/1”的改進(jìn)解搜索方程,在該方法中同樣也利用了全局最優(yōu)解。這幾種改進(jìn)的ABC算法均利用了全局最優(yōu)解信息來(lái)提高算法的開采能力。雖然使用全局最優(yōu)解可增強(qiáng)開采能力,但在一定程度上也易導(dǎo)致算法陷入局部最優(yōu),特別是在優(yōu)化多峰函數(shù)時(shí)。因此,為提高ABC算法的開采能力且不易于陷入局部最優(yōu),受局部版本的粒子群優(yōu)化(local particle swarm optimization, LPSO)算法[14?15]的啟發(fā),本文提出一種鄰域搜索的ABC(neighborhood search based artificial bee colony, NSABC)算法。LPSO是標(biāo)準(zhǔn)PSO算法[16]的一個(gè)改進(jìn)版本,它采用粒子所在鄰域的最優(yōu)粒子代替標(biāo)準(zhǔn)PSO的全局最優(yōu)粒子來(lái)指導(dǎo)粒子的速度更新。受此啟發(fā),在觀察蜂階段,采用鄰域搜索機(jī)制從當(dāng)前食物源的環(huán)形鄰域拓?fù)浣Y(jié)構(gòu)中選擇1個(gè)最優(yōu)的食物源,在該食物源的鄰域范圍內(nèi)搜索新的候選食物源,有助于增強(qiáng)算法的開采能力且不易于陷入局部最優(yōu)。此外,為幫助偵察蜂(scout bee)保存搜索經(jīng)驗(yàn),提出采用一般反向?qū)W習(xí)策略來(lái)生成被放棄食物源的反向解,使得偵察蜂可以快速地找到新的優(yōu)秀食物源。為驗(yàn)證本文算法的性能,在20個(gè)典型的benchmark函數(shù)(包括單峰、多峰以及偏移加旋轉(zhuǎn)類型)上開展數(shù)值實(shí)驗(yàn),并與6種不同類型的改進(jìn)算法進(jìn)行對(duì)比。

    1 人工蜂群算法

    在ABC算法中,人工蜂群包含了3種不同類型的蜜蜂:雇傭蜂、觀察蜂和偵察蜂。雇傭蜂負(fù)責(zé)勘探食物源,并在蜂巢的舞蹈區(qū)通過(guò)搖擺舞的形式將食物源的相關(guān)信息分享給觀察蜂[17],這些信息包括食物源的位置以及蜂蜜量。然后,觀察蜂根據(jù)收到的信息以一定概率選擇某一食物源繼續(xù)開采,該食物源的蜂蜜量越多,被選中的概率就越高。若一個(gè)食物源被開采完,則相對(duì)應(yīng)的雇傭蜂就轉(zhuǎn)變?yōu)閭刹旆?,再重新隨機(jī)搜索一個(gè)新的食物源。值得說(shuō)明的是:1個(gè)食物源的位置對(duì)應(yīng)于待優(yōu)化問題的1個(gè)候選解,食物源的蜂蜜量即指適應(yīng)值;而雇傭蜂與食物源是一一對(duì)應(yīng)的,同時(shí)雇傭蜂的數(shù)量和觀察蜂相同。

    類似于其他演化算法,ABC算法同樣采用1個(gè)隨機(jī)初始化的群體開始迭代搜索。設(shè)群體規(guī)模為,其中食物源X=(x,1, x,2, …, x,D)代表1個(gè)候選解,∈{1, 2, …,},為待優(yōu)化問題的維度。初始化之后,ABC算法根據(jù)蜜蜂的類型,將優(yōu)化過(guò)程分為3個(gè)階段。

    1) 雇傭蜂階段。在該階段,每一只雇傭蜂在對(duì)應(yīng)的食物源X處,采用解搜索方程生成1個(gè)新的食物源V=(v,1,v,2,…,v,D)。若V的蜂蜜量更多即適應(yīng)值更優(yōu),則就替換X。該方程如下:

    2) 觀察蜂階段。在所有雇傭蜂完成了勘探后,觀察蜂根據(jù)接收到的信息隨機(jī)選擇一個(gè)食物源進(jìn)一步開采。這種選擇方式通常采用基于適應(yīng)值的方法,如:輪盤賭機(jī)制。若觀察蜂采用輪盤賭機(jī)制進(jìn)行選擇,則食物源X被選中的概率p

    其中:f為食物源X的適應(yīng)值。從式(2)可以看出,食物源的適應(yīng)值越大,被觀察蜂選中的概率越高。

    3) 偵察蜂階段。當(dāng)雇傭蜂對(duì)應(yīng)的食物源的適應(yīng)值連續(xù)次未更新,說(shuō)明該食物源已被開采耗盡。這種情況下,雇傭蜂轉(zhuǎn)變成偵察蜂,采用式(2)重新隨機(jī)搜索1個(gè)新的食物源。

    其中:rand(0,1)為[0, 1]間的隨機(jī)數(shù);[a,b]為第維變量的上下界。值得說(shuō)明的是,除群體規(guī)模等公共參數(shù)外,是ABC算法中唯一的參數(shù)。

    2 基于鄰域搜索的ABC算法

    2.1 鄰域搜索機(jī)制

    PSO算法模擬的是鳥群和魚群的覓食行為[16]。在標(biāo)準(zhǔn)PSO算法中,粒子的速度更新受自身歷史經(jīng)驗(yàn)和群體歷史經(jīng)驗(yàn)的共同影響,如式(4)所示:

    但Kennedy等[14?15]指出:標(biāo)準(zhǔn)PSO算法中的在求解多峰函數(shù)時(shí)易出現(xiàn)早熟現(xiàn)象,為此提出了一種局部版本的PSO算法,即LPSO算法。在LPSO算法中,粒子的速度更新受自身歷史經(jīng)驗(yàn)和鄰域的最優(yōu)粒子的共同影響,即

    受LPSO算法的啟發(fā),本文提出在觀察蜂階段采用鄰域搜索機(jī)制來(lái)選擇食物源進(jìn)行開采,而不是直接利用全局最優(yōu)解的信息。因而,在求解多峰函數(shù)時(shí),能夠利用鄰域內(nèi)較優(yōu)的個(gè)體信息,而非全局最優(yōu)解信息,有利于增加群體的多樣性,避免算法陷入局部最優(yōu)。此外,雇傭蜂階段則保持原來(lái)的解搜索方程不變,這樣有助于結(jié)合雇傭蜂的勘探能力和觀察蜂的開采能力,充好利用和保持這兩種能力的平衡,提高ABC的搜索性能。因此,對(duì)觀察蜂而言,新食物源的搜索方式如下:

    其中:()為當(dāng)前食物源X所處鄰域的最優(yōu)食物源,設(shè)鄰域半徑為,則()∈{?,…,?1,,1,…,}。1∈{1,2,…,},2∈{?,…,?1,,1,…,},且滿足1,2和互不相等.

    值得說(shuō)明的是,鄰域搜索的方式與群體的拓?fù)浣Y(jié)構(gòu)類型是相關(guān)的,依據(jù)Das等[18]的建議,本文采用效率較高的環(huán)形鄰域拓?fù)浣Y(jié)構(gòu)。這種結(jié)構(gòu)的特點(diǎn)是群體中個(gè)體是否相鄰是由下標(biāo)的關(guān)系確定,而不是搜索空間中的歐式距離。圖1給出了式(6)采用的環(huán)形鄰域拓?fù)浣Y(jié)構(gòu)示意圖,其中為鄰域半徑。

    圖1 環(huán)形鄰域拓?fù)浣Y(jié)構(gòu)

    為更加直觀地說(shuō)明提出的鄰域搜索機(jī)制與原解搜索方程的區(qū)別,以2維Shekel’s Foxholes函數(shù)為例,采用標(biāo)準(zhǔn)ABC算法和結(jié)合了鄰域搜索機(jī)制的ABC(簡(jiǎn)記為ABC-NS)分別優(yōu)化該函數(shù),給出2種算法在不同演化代數(shù)下的群體分布情況。2維的Shekel’s Foxholes函數(shù)是多峰函數(shù),有24個(gè)局部極值和1個(gè)全局極值(?32,?32)=0.998 004,搜索空間的邊界是[65.536, 65.536]2。該函數(shù)的具體定義可參考文獻(xiàn)[19],圖2所示為該函數(shù)的3-D圖。對(duì)標(biāo)準(zhǔn)ABC算法和ABC-NS算法,采用相同的參數(shù)設(shè)置,=30,=100。而在ABC-NS算法中,按文獻(xiàn)[18]的建議,取鄰域半徑為群體規(guī)模的10%。

    圖2 2維Shekel’s Foxholes函數(shù)的3-D圖

    圖3所示為標(biāo)準(zhǔn)ABC和ABC-NS算法在演化過(guò)程中的第1代、第15代和第30代的群體分布情況,實(shí)心圓點(diǎn)表示食物源,空心矩形是Shekel’s Foxholes函數(shù)在平面上的投影,即25個(gè)極值點(diǎn)。從圖3可以看出,在第1代中由于隨機(jī)初始化的作用,2種算法的群體分布無(wú)明顯區(qū)別,均隨機(jī)分散在搜索區(qū)域中。但隨著演化代數(shù)的增加,2種算法的有效搜索區(qū)域都不斷收縮,食物源也向各個(gè)極值點(diǎn)靠攏。但值得注意的是,ABC-NS算法的收縮速度要明顯比ABC算法的快。特別地,在第30代時(shí),ABC-NS算法的所有食物源都已收斂到全局極值點(diǎn)處,而ABC算法只有部分食物源到了該點(diǎn)。結(jié)果表明:采用鄰域搜索機(jī)制可以有效地利用鄰域中優(yōu)良個(gè)體的信息,增強(qiáng)算法的開采能力,且不易于陷入局部最優(yōu)。

    (a) ABC算法在第1代;(b) ABC算法在第15代;(c) ABC算法在第30代;(d) ABC-NS算法在第1代;(e) ABC-NS算法在第15代;(f) ABC-NS算法在第30代

    2.2 一般反向?qū)W習(xí)策略

    在標(biāo)準(zhǔn)ABC算法的偵察蜂階段,一個(gè)食物源若超過(guò)次未更新,則認(rèn)為該食物源被開采耗盡,對(duì)應(yīng)的雇傭蜂轉(zhuǎn)變?yōu)閭刹旆?,并采用?3)再重新隨機(jī)搜索一個(gè)新的食物源。這種機(jī)制存在不足,即被放棄的食物源可能包含了有益的搜索信息,直接采用隨機(jī)生成的新食物源來(lái)替換,則易導(dǎo)致這部分信息丟失。為此,本文提出采用一般反向?qū)W習(xí)策略生成被放棄食物源的反向解,充分利用這些食物源所含的有益信息,為偵察蜂提供更多的搜索經(jīng)驗(yàn),有助于進(jìn)一步提高算法的搜索效率。

    一般反向?qū)W習(xí)(generalized opposition-based learning, GOBL)策略是反向?qū)W習(xí)[20?21]的改進(jìn)版本。它的主要思想是:對(duì)當(dāng)前待優(yōu)化問題的1個(gè)可行解,同時(shí)計(jì)算并評(píng)估其反向解,從中選擇較優(yōu)的作為候選解。該方法能提高找到全局最優(yōu)解的概率,文獻(xiàn)[22]驗(yàn)證了GOBL策略的有效性。

    設(shè)X=(x,1,x,2,…,x,D)是當(dāng)前待優(yōu)化問題的一個(gè)可行解,其對(duì)應(yīng)的反向解可定義為

    其中:x,j∈[a,b],∈(0,1)為一般化系數(shù),[da, db]為第維搜索空間的動(dòng)態(tài)邊界,可按如下公式計(jì)算得到:

    若反向解跳出邊界[a,b]成為非可行解,對(duì)其采用隨機(jī)生成的方法來(lái)重置:

    其中:rand(?)是區(qū)間[a,b]上的一個(gè)隨機(jī)數(shù)。

    除了生成被放棄食物源的反向解,依舊使用原機(jī)制即式(3)生成1個(gè)隨機(jī)食物源,從反向解與隨機(jī)食物源中選擇較優(yōu)的1個(gè)作為新的食物源。該過(guò)程可以表示為

    2.3 NSABC的偽代碼描述

    本文提出的NSABC算法在標(biāo)準(zhǔn)ABC的基礎(chǔ)上做了2處改進(jìn),1) 在觀察蜂階段,采用鄰域搜索機(jī)制來(lái)增強(qiáng)解搜索方程的開采能力;2) 在偵察蜂階段,采用一般反向?qū)W習(xí)策略來(lái)生成被放棄食物源的反向解用于保存搜索經(jīng)驗(yàn)。Algorithm 1中給出NSABC的偽代碼,其中表示適應(yīng)度函數(shù)的評(píng)估次數(shù),Max為適應(yīng)度函數(shù)的最大評(píng)估次數(shù),trial記錄了食物源X的適應(yīng)值未更新的次數(shù)。

    算法1 Pseudocode of NSABC

    Randomly generatefood sources {X|=1,2,…,};

    =;

    while≤ Maxdo

    /* Employed bee phase */

    for1todo

    Generate a new candidate solutionVaccording to Eq. (1);

    if(V) <(X) then

    ReplaceXwithV;

    trial= 0;

    else

    trial=trial+1;

    end

    =+1;

    end

    /* Onlooker bee phase */

    Calculate the probabilitypaccording to Eq. (2);

    for1todo

    Choose a food sourceXfrom the current populationby the roulette wheel selection mechanism;

    Generate a new candidate solutionVaccording to Eq. (6);

    if(V) <(X) then

    ReplaceXwithV;

    trial= 0;

    else

    trial=trial+1;

    end

    =+1;

    end

    /* Scout bee phase */

    for1todo

    iftrial>then

    trial= 0;

    Generate the opposite solution ofX,, by Eq. (7);

    Generate a new random food sourceVaccording to Eq. (3);

    Pick out the better one fromandVforXaccording to Eq. (10);

    =+2;

    end

    end

    end

    3 數(shù)值實(shí)驗(yàn)及分析

    3.1 Benchmark函數(shù)

    為驗(yàn)證NSABC算法的性能,采用20個(gè)典型的benchmark函數(shù)進(jìn)行實(shí)驗(yàn),如表1所示。F01-F04是單峰函數(shù),F(xiàn)05在維度大于3時(shí)為多峰函數(shù)[23]。F06是非連續(xù)的函數(shù),F(xiàn)07是帶噪聲的函數(shù)。F08-F13是多峰函數(shù),而F14-F20是帶偏移和旋轉(zhuǎn)的復(fù)雜多峰函數(shù)。函數(shù)F01~F13的具體定義見參考文獻(xiàn)[18],F(xiàn)14~F20的具體定義見參考文獻(xiàn)[24]。

    表1 實(shí)驗(yàn)中使用的benchmark函數(shù)

    3.2 策略有效性分析

    為驗(yàn)證NSABC采用的2種策略的有效性,分別設(shè)計(jì)了2種算法ABC-NS和ABC-GOBL進(jìn)行對(duì)比分析。ABC-NS算法是在標(biāo)準(zhǔn)ABC的基礎(chǔ)上,僅在觀察蜂階段采用鄰域搜索機(jī)制,其他部分保持不變;而ABC-GOBL算法是在標(biāo)準(zhǔn)ABC算法的基礎(chǔ)上,僅在偵察蜂階段采用一般反向?qū)W習(xí)策略,其他部分保持不變。因此,實(shí)驗(yàn)中共包含(標(biāo)準(zhǔn)ABC,ABC-NS,ABC-GOBL和NSABC) 4種算法的比較,4種算法采用相同的參數(shù)設(shè)置,=30,=100。而對(duì)ABC-NS和NSABC算法,則按文獻(xiàn)[18]的建議,設(shè)置鄰域半徑=10%?。函數(shù)的維度為=30,適應(yīng)度函數(shù)的最大評(píng)估次數(shù)Max按文獻(xiàn)[24]的建議設(shè)置為:對(duì)函數(shù)F01~F13,Max=5 000;對(duì)函數(shù)F14~F20,Max= 10 000。實(shí)驗(yàn)中,每種算法在每個(gè)函數(shù)上獨(dú)立運(yùn)行30次,記錄結(jié)果的均值與方差。表2給出了4種算法的結(jié)果,其中均值由()?(X)得到,*為全局極值點(diǎn)。

    表2 D=30時(shí)標(biāo)準(zhǔn)ABC,ABC-NS,ABC-GOBL和NSABC算法的結(jié)果

    從表2可以看出:與ABC算法相比,ABC-NS算法在大部分函數(shù)上的結(jié)果更好,僅在函數(shù)F03和F20上略差,這說(shuō)明鄰域搜索機(jī)制有助于增強(qiáng)ABC算法的性能。ABC算法僅在函數(shù)F01和F03上比ABC-GOBL算法略優(yōu),而在其他函數(shù)上ABC-GOBL算法更好,這說(shuō)明采用GOBL策略是有效的。結(jié)合2種策略,NSABC算法取得了4種算法中的最好結(jié)果,在所有測(cè)試函數(shù)上的性能均比ABC算法更優(yōu)或者相當(dāng)。值得說(shuō)明的是,NSABC算法在函數(shù)F03,F(xiàn)04和F10上的性能比單獨(dú)使用1種策略更優(yōu),這說(shuō)明2種策略的結(jié)合能夠取得更好的效果。

    為了在統(tǒng)計(jì)意義上比較4種算法的性能,采用了非參數(shù)的Friedman檢驗(yàn)[25?26]統(tǒng)計(jì)4種算法的平均排名情況。表3給出了4種算法的平均排名情況。從表3可看出:NSABC算法的性能最優(yōu),而其他3種算法性能從優(yōu)到劣依次為:ABC-NS,ABC-GOBL和ABC算法。

    表3 標(biāo)準(zhǔn)ABC,ABC-NS,ABC-GOBL和NSABC算法的平均排名

    3.3 與其他改進(jìn)ABC算法的比較

    將NSABC算法與其他3種知名的改進(jìn)ABC算法GABC[11],MABC[13]和GOABC算法[27]進(jìn)行對(duì)比研究。GABC算法是引導(dǎo)的ABC算法,它受PSO算法的啟發(fā),將全局最優(yōu)解的信息融入到解搜索方程中,用于提高ABC算法的開采能力。MABC算法提出了類似于DE算法中的“DE/best/1”變異策略的解搜索方程,在全局最優(yōu)解的鄰域內(nèi)搜索新的食物源,實(shí)驗(yàn)結(jié)果表明:該算法能夠有效地增強(qiáng)ABC的搜索性能。GOABC算法是基于一般反向?qū)W習(xí)策略的ABC算法,它在算法的迭代過(guò)程中生成整個(gè)群體的反向解,從當(dāng)前群體和反向群體中選擇較優(yōu)的個(gè)體進(jìn)入下一代,這種機(jī)制與其他基于反向?qū)W習(xí)策略的算法是相同的,如反向?qū)W習(xí)的DE算法(ODE)[21]。然而,不同于GOABC的是,本文提出的NSABC只是在偵察蜂階段對(duì)被放棄的食物源生成反向解。

    4種算法的公共參數(shù)設(shè)置為=30,=100;對(duì)函數(shù)F01~F13,Max=5 000;而對(duì)函數(shù)F14~F20,Max=10 000。對(duì)每個(gè)算法的特殊參數(shù)按原文獻(xiàn)進(jìn)行設(shè)置,對(duì)GABC算法,=1.5;對(duì)MABC算法,=0.7;對(duì)GOABC算法,=0.3。實(shí)驗(yàn)中對(duì)所有函數(shù)進(jìn)行2種維度的實(shí)驗(yàn),分別取=30和=50。此外,為了在統(tǒng)計(jì)意義上比較2個(gè)算法的性能是否存在顯著性差異,按文獻(xiàn)[25?26]采用非參數(shù)Wilcoxon假設(shè)檢驗(yàn)進(jìn)行統(tǒng)計(jì),顯著性水平=0.05。表4和表5分別給出了=30和=50時(shí)4種算法的結(jié)果,其中,符號(hào)“+”、“?”和“≈”分別表示NSABC的性能要優(yōu)于、劣于和相當(dāng)于對(duì)比算法。

    表4 D=30時(shí) GABC,MABC,GOABC和NSABC算法的結(jié)果

    表5 D=50時(shí) GABC、MABC、GOABC和NSABC算法的結(jié)果

    從表4可看出:NSABC在大部分函數(shù)上要優(yōu)于其他3種對(duì)比算法。具體來(lái)說(shuō),NSABC算法在所有函數(shù)上要優(yōu)于或者相當(dāng)于GABC算法。與MABC算法相比,NSABC算法在4個(gè)函數(shù)上的性能不如MABC算法,例如在函數(shù)F01上。函數(shù)F01是簡(jiǎn)單的球狀單峰函數(shù),通常一個(gè)開采能力更強(qiáng)的算法會(huì)取得更優(yōu)的結(jié)果。MABC算法是在全局最優(yōu)解的鄰域內(nèi)搜索新的食物源,因而其開采能力非常強(qiáng),所以,在該函數(shù)上取得了不錯(cuò)的效果。但在多峰函數(shù)上,NSABC算法的性能更好。值得注意的是:在函數(shù)F09上,雖然MABC算法的均值比NSABC算法要差得多,但Wilcoxon檢驗(yàn)的結(jié)果卻是兩者無(wú)顯著性差異的。出現(xiàn)這種情況的可能原因是:MABC算法在F09上的30次運(yùn)行結(jié)果并不是每次都能得到最優(yōu)值0,而是產(chǎn)生了噪聲,即偶爾出現(xiàn)較差的結(jié)果,這也反映了NSABC算法的魯棒性更好。與GOABC算法相比,NSABC算法在15個(gè)函數(shù)上更優(yōu)。

    從表5可以看出:與=30時(shí)類似,NSABC算法依然在大部分函數(shù)上要優(yōu)于其他3種算法。雖然隨著維度增加,求解的難度也相應(yīng)增加,但NSABC算法的性能表現(xiàn)良好。表6給出了這4種算法在=30和=50時(shí)的平均排名。從表6可得:NSABC算法在2種測(cè)試維度下均取得了最好的排名。此外,圖4給出了=30時(shí)這4種算法在部分函數(shù)上的收斂曲線。從圖4可看出:NSABC算法的收斂速度較快。值得注意的是,MABC算法也具有較快的收斂速度。

    (a) F01;(b) F04;(c) F08;(d) F12;(e) F15;(f) F17

    表6 GABC,MABC,GOABC和NSABC算法的平均排名

    3.4 與其他相關(guān)演化算法的比較

    為進(jìn)一步評(píng)估NSABC的性能,將其與另外3種知名的相關(guān)演化算法(LPSO[14],GOPSO[22]和DEGL/SAW算法[18])進(jìn)行對(duì)比。LPSO算法是局部版本的PSO算法,采用了鄰域搜索機(jī)制。GOPSO算法是采用一般反向?qū)W習(xí)策略的PSO算法,它以一定概率生成群體中所有粒子的反向解,從當(dāng)前解和反向解中選擇較優(yōu)的個(gè)體進(jìn)入下一代。DEGL/SAW算法結(jié)合了鄰域搜索策略的DE算法,該算法同樣采用了環(huán)形鄰域拓?fù)浣Y(jié)構(gòu)。這3種算法的參數(shù)全部采用原文獻(xiàn)的推薦設(shè)置,如表7所示。

    表7 LPSO, GOPSO和DEGL/SAW算法的參數(shù)設(shè)置

    注:為群體規(guī)模;為慣性系數(shù);1和2為學(xué)習(xí)因素;為反向?qū)W習(xí)概率;為縮放因子;為交叉概率。

    所有函數(shù)的維度設(shè)為=30,適應(yīng)度函數(shù)最大評(píng)估次數(shù)與3.3節(jié)中的相同。表8所示為這4種算法的最終結(jié)果。從表8可看出:NSABC算法的總體性能要顯著優(yōu)于對(duì)比算法。具體地,與LPSO算法和GOPSO算法相比,NSABC算法在17個(gè)函數(shù)上取得了更好的結(jié)果。與DEGL/SAW算法相比,NSABC算法在12個(gè)函數(shù)上更優(yōu)。值得注意的是,在函數(shù)F05上,DEGL/SAW算法的結(jié)果要明顯優(yōu)于其他3種算法。文獻(xiàn)[23]指出F05在三維以上屬于多峰函數(shù),其全局極值位于一個(gè)狹長(zhǎng)的、拋物線狀的扁平山谷中,對(duì)大多算法而言很難進(jìn)入到這個(gè)山谷中。但在函數(shù)F11上,NSABC算法的結(jié)果比其他3種算法明顯更優(yōu)。表9所示為采用非參數(shù)Friedman檢驗(yàn)得到的平均排名。從表9可以看出:NSABC算法的整體性能最好。圖5所示為這4種算法在部分函數(shù)上的收斂曲線。

    表8 D=30時(shí) LPSO,GOPSO,DEGL/SAW和NSABC算法的結(jié)果

    (a) F01;(b) F02;(c) F07;(d) F10;(e) F13;(f) F15

    表9 LPSO,GOPSO,DEGL/SAW和NSABC算法的平均排名

    3.5 運(yùn)行時(shí)間比較

    通常,演化算法的運(yùn)行時(shí)間包含算法的操作算子的運(yùn)行時(shí)間和評(píng)估適應(yīng)度函數(shù)的時(shí)間。將標(biāo)準(zhǔn)ABC和NSABC算法在本文采用的20個(gè)benchmark函數(shù)上分別獨(dú)立運(yùn)行30次,記錄消耗的平均CPU時(shí)間。2種算法的公共參數(shù)采用相同的設(shè)置,=30,= 100。適應(yīng)度函數(shù)的最大評(píng)估次數(shù)Max與前面相同,測(cè)試函數(shù)的維度設(shè)為30和50。算法的運(yùn)行平臺(tái)如下:操作系統(tǒng)為Windows 7 (x64),CPU為Intel Core 2 Quad CPU Q8200 (2.33 GHz),內(nèi)存為4G,編程語(yǔ)言及運(yùn)行環(huán)境為Java和Eclipse SDK 4.2.0。標(biāo)準(zhǔn)ABC和NSABC算法的平均CPU時(shí)間如表10所示。從表10可以看出:在=30時(shí),NSABC與標(biāo)準(zhǔn)ABC的CPU時(shí)間之比的范圍為[0.85, 1.24],總的時(shí)間比是1.05。值得注意的是,在4個(gè)函數(shù)上的CPU時(shí)間之比要低于1,說(shuō)明NSABC的運(yùn)行時(shí)間比標(biāo)準(zhǔn)ABC算法的要低。出現(xiàn)這種現(xiàn)象的可能原因是在NSABC算法中,對(duì)所有連續(xù)次未更新的食物源均采用了一般反向?qū)W習(xí)機(jī)制來(lái)尋找新的替代食物源,使得偵察蜂階段消耗了更多的適應(yīng)度函數(shù)評(píng)估次數(shù),減少了雇傭蜂和跟隨蜂階段的執(zhí)行次數(shù),從而降低了整個(gè)算法的運(yùn)行時(shí)間。當(dāng)維度從30增至50時(shí),函數(shù)的復(fù)雜度也隨之增加,從而導(dǎo)致算法的運(yùn)行時(shí)間也相應(yīng)增加。但對(duì)NSABC算法而言,其與標(biāo)準(zhǔn)ABC的CPU時(shí)間之比從30維時(shí)的1.05降至50維時(shí)的1.00,這正說(shuō)明了適應(yīng)度函數(shù)的復(fù)雜度越高,算法的操作算子占整個(gè)運(yùn)行時(shí)間的比例越小??傊?,與標(biāo)準(zhǔn)ABC算法相比,NSABC算法的運(yùn)行時(shí)間未明顯地增加。

    表10 標(biāo)準(zhǔn)ABC和NSABC算法的平均CPU時(shí)間

    4 結(jié)論

    1) 為提高ABC算法的開采能力,受局部版本的PSO算法的啟發(fā),提出采用鄰域搜索機(jī)制來(lái)改進(jìn)解搜索方程。此外,為保存搜索經(jīng)驗(yàn),提出采用一般反向?qū)W習(xí)策略來(lái)生成被放棄食物源的反向解。

    2) 在20個(gè)典型的benchmark函數(shù)上驗(yàn)證提出算法的性能,并將實(shí)驗(yàn)結(jié)果與6種知名的改進(jìn)算法進(jìn)行對(duì)比,結(jié)果表明這2種策略能夠有效地提高ABC算法的性能,在收斂速度和解的精度上均有較大的優(yōu)勢(shì)。

    3) 下一步研究工作的重點(diǎn)是將本文算法應(yīng)用于求解實(shí)際優(yōu)化問題,如分布式軟件系統(tǒng)的部件部署 問題。

    [1] Karaboga D. An idea based on honey bee swarm for numerical optimization[R]. Kayseri: Erciyes University, 2005.

    [2] Karaboga D, Basturk B. A powerful and efficient algorithm for numerical function optimization: artificial bee colony (ABC) algorithm[J]. Journal of Global Optimization, 2007, 39(3): 459?471.

    [3] 余伶俐, 蔡自興. 改進(jìn)混合離散粒子群的多種優(yōu)化策略算法[J]. 中南大學(xué)學(xué)報(bào)(自然科學(xué)版), 2009, 40(4): 1047?1053.
    YU Lingli, CAI Zixing. Multiple optimization strategies for improving hybrid discrete particle swarm [J]. Journal of Central South University (Science and Technology), 2009, 40(4): 1047?1053.

    [4] 高衛(wèi)峰, 劉三陽(yáng), 黃玲玲. 受啟發(fā)的人工蜂群算法在全局優(yōu)化問題中的應(yīng)用[J]. 電子學(xué)報(bào), 2012, 40(12): 2396?2403.
    GAO Weifeng, LIU Sanyang, HUANG Lingling. Inspired artificial bee colony algorithm for global optimization problems[J]. Acta Electronic Sinica, 2012, 40(12): 2396?2403.

    [5] Karaboga D, Akay B. A comparative study of artificial bee colony algorithm[J]. Applied Mathematics and Computation, 2009, 214(1): 108?132.

    [6] 賈宗圣, 司錫才, 王桐. 基于人工蜂群技術(shù)的海雜波參數(shù)優(yōu)化方法[J]. 中南大學(xué)學(xué)報(bào)(自然科學(xué)版), 2012, 43(9): 3485?3489.
    JIA Zongsheng, SI Xicai, WANG Tong. Optimum method for sea clutter parameter based on artificial bee colony[J]. Journal of Central South University (Science and Technology), 2012, 43(9): 3485?3489.

    [7] Karaboga D, Ozturk C, Karaboga N, et al. Artificial bee colony programming for symbolic regression[J]. Information Sciences, 2012, 209(11): 1?15.

    [8] Yeh W C, Hsieh T J. Artificial bee colony algorithm-neural networks for s-system models of biochemical networks approximation[J]. Neural Computing and Applications, 2012, 21(2): 365?375.

    [9] Garro B A, Sossa H, Vazquez A R. Artificial neural network synthesis by means of artificial bee colony (ABC) algorithm[C]//Proceedings of the IEEE Congress on Evolutionary Computation. New Orleans: IEEE, 2011: 331?338.

    [10] Szeto W, Wu Y, Ho S C. An artificial bee colony algorithm for the capacitated vehicle routing problem[J]. European Journal of Operational Research, 2011, 215 (1): 126?135.

    [11] Zhu G, Kwong S. Gbest-guided artificial bee colony algorithm for numerical function optimization[J]. Applied Mathematics and Computation, 2010, 217(7): 3166?3173.

    [12] Banharnsakun A, Achalakul T, Sirinaovakul B. The best-so-far selection in Artificial Bee Colony algorithm[J]. Applied Soft Computing, 2011, 11(2): 2888?2901.

    [13] Gao W F, Liu S Y. A modified artificial bee colony algorithm[J]. Computers & Operations Research, 2012, 39(3): 687?697.

    [14] Kennedy J, Mendes R. Population structure and particle swarm performance[C]//Proceedings of the IEEE Congress on Evolutionary Computation. Honolulu: IEEE, 2002: 1671?1676.

    [15] Kennedy J, Mendes R. Neighborhood topologies in fully informed and best-of-neighborhood particle swarms[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part C: Applications and Reviews, 2006, 36(4): 515?519.

    [16] Shi Y, Eberhart R. A modified particle swarm optimizer[C]//Proceedings of the IEEE Congress on Evolutionary Computation. Anchorage A.K.: IEEE, 1998: 69?73.

    [17] Karaboga D, Gorkemli B, Ozturk C, et al. A comprehensive survey: artificial bee colony (ABC) algorithm and applications[J]. Artificial Intelligence Review, 2012, 39(3): 1?37.

    [18] Das S, Abraham A, Chakraborty U K, et al. Differential evolution using a neighborhood-based mutation operator[J]. IEEE Transactions on Evolutionary Computation, 2009, 13(3): 526?553.

    [19] Yao X, Liu Y, Lin G. Evolutionary programming made faster[J]. IEEE Transactions on Evolutionary Computation, 1999, 3(2): 82?102.

    [20] Rahnamayan S, Tizhoosh H R, Salama M M A. Opposition-based differential evolution[J]. IEEE Transactions on Evolutionary Computation, 2008, 12(1): 64?79.

    [21] 周新宇, 吳志健, 王暉, 等. 一種精英反向?qū)W習(xí)的粒子群優(yōu)化算法[J]. 電子學(xué)報(bào), 2013, 41(8): 1647?1652.
    ZHOU Xinyu, WU Zhijian, WANG Hui, et al. Elite opposition-based particle swarm optimization[J]. Acta Electronic Sinica, 2013, 41(8): 1647?1652.

    [22] Wang H, Wu Z J, Rahnamayan S, et al. Enhancing particle swarm optimization using generalized opposition-based learning[J]. Information Sciences, 2011, 181(20): 4699?4714.

    [23] Shang Y W, Y. H. Qiu. A note on the extended Rosenbrock function[J]. Evolutionary Computation, 2006, 14(1): 119?126.

    [24] Suganthan P N, Hansen N, Liang J J, et al. Problem definitions and evaluation criteria for the CEC 2005 special session on real-parameter optimization[R]. Singapore: Nanyang Technological University, 2005.

    [25] Garcia S, Molina D, Lozano M, et al. A study on the use of non-parametric tests for analyzing the evolutionary algorithms' behavior: a case study on the CEC'2005 Special Session on Real Parameter Optimization[J]. Journal of Heuristics, 2009, 15(6): 617?644.

    [26] Garcia S, Molina D, Lozano M, et al. Advanced nonparametric tests for multiple comparisons in the design of experiments in computational intelligence and data mining: Experimental analysis of power[J]. Information Sciences, 2010, 180(10): 2044?2064.

    [27] El-Abd M. Generalized opposition-based artificial bee colony algorithm[C]//Proceedings of the IEEE Congress on Evolutionary Computation. Brisbane: IEEE, 2012: 1?4.

    Neighborhood search-based artificial bee colony algorithm

    ZHOU Xinyu1, 2, WU Zhijian1, DENG Changshou3, PENG Hu1

    (1. State Key Laboratory of Software Engineering, Computer School, Wuhan University, Wuhan 430072, China;2. College of Computer and Information Engineering, Jiangxi Normal University, Nanchang 330022, China;3. School of Information Science & Technology, Jiujiang University, Jiujiang 332005, China)

    The neighborhood search mechanism was introduced to improve the solution search equation of artificial bee colony algorithm. In the ring neighborhood topology of current food source, the exploitation was focused on the best neighbor food source to balance the capabilities of exploration and exploitation. Moreover, in order to preserve search experience for scout bees, the generalized opposition-based learning strategy was utilized to generate opposite solutions of the discarded food sources, which helps enhance the search efficiency. Twenty classic benchmark functions were used to test the performance of our approach, and then the experimental results were compared with other six well-known algorithms. The results show that our approach has better convergence speed and solution accuracy.

    global optimization; artificial bee colony; neighborhood search; generalized opposition-based learning

    TP301.6

    A

    1672?7207(2015)02?0534?13

    2014?03?25;

    2014?06?26

    國(guó)家自然科學(xué)基金資助項(xiàng)目(61364025, 61305150, 61462045);中央高?;究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(2012211020205);軟件工程國(guó)家重點(diǎn)實(shí)驗(yàn)室開放基金資助項(xiàng)目(SKLSE2014-10-04)(Projects (61364025, 61305150, 61462045) supported by the National Natural Science Foundation of China; Project (2012211020205) supported by the Fundamental Research Funds for the Central Universities; Project (SKLSE2014-10-04) supported by the Foundation of State Key Laboratory of Software Engineering)

    周新宇,博士,講師,從事智能計(jì)算、并行計(jì)算研究;E-mail:xyzhou@whu.edu.cn

    10.11817/j.issn.1672-7207.2015.02.023

    (編輯 趙俊)

    猜你喜歡
    優(yōu)化
    超限高層建筑結(jié)構(gòu)設(shè)計(jì)與優(yōu)化思考
    PEMFC流道的多目標(biāo)優(yōu)化
    能源工程(2022年1期)2022-03-29 01:06:28
    民用建筑防煙排煙設(shè)計(jì)優(yōu)化探討
    關(guān)于優(yōu)化消防安全告知承諾的一些思考
    一道優(yōu)化題的幾何解法
    由“形”啟“數(shù)”優(yōu)化運(yùn)算——以2021年解析幾何高考題為例
    圍繞“地、業(yè)、人”優(yōu)化產(chǎn)業(yè)扶貧
    事業(yè)單位中固定資產(chǎn)會(huì)計(jì)處理的優(yōu)化
    4K HDR性能大幅度優(yōu)化 JVC DLA-X8 18 BC
    幾種常見的負(fù)載均衡算法的優(yōu)化
    電子制作(2017年20期)2017-04-26 06:57:45
    悠悠久久av| 国产色婷婷99| 国产久久久一区二区三区| 老司机午夜福利在线观看视频| 熟女人妻精品中文字幕| 国产人妻一区二区三区在| 岛国在线免费视频观看| 极品教师在线免费播放| 日韩强制内射视频| 精品免费久久久久久久清纯| 91久久精品国产一区二区成人| 亚洲av熟女| 1024手机看黄色片| 在现免费观看毛片| 中国美女看黄片| 毛片女人毛片| bbb黄色大片| 最新在线观看一区二区三区| 亚洲avbb在线观看| 男女那种视频在线观看| 国产高清三级在线| 窝窝影院91人妻| 天天一区二区日本电影三级| 亚洲欧美日韩东京热| 在线a可以看的网站| 欧美日韩综合久久久久久 | av在线蜜桃| 国产精品综合久久久久久久免费| 999久久久精品免费观看国产| 精品一区二区三区人妻视频| 一进一出抽搐gif免费好疼| ponron亚洲| 国产精品综合久久久久久久免费| 国产爱豆传媒在线观看| 日韩欧美国产一区二区入口| 又粗又爽又猛毛片免费看| 午夜福利高清视频| 亚洲第一区二区三区不卡| 在线观看av片永久免费下载| 亚洲av中文字字幕乱码综合| 日日摸夜夜添夜夜添小说| 欧美潮喷喷水| 亚洲成av人片在线播放无| 伊人久久精品亚洲午夜| 亚洲最大成人中文| 99视频精品全部免费 在线| 大型黄色视频在线免费观看| 午夜福利欧美成人| 久久精品影院6| 久久久色成人| 免费在线观看成人毛片| 亚洲图色成人| 久久99热6这里只有精品| 午夜精品久久久久久毛片777| 精品午夜福利视频在线观看一区| 久久国产精品人妻蜜桃| 美女被艹到高潮喷水动态| 欧美日韩国产亚洲二区| 欧美最新免费一区二区三区| 三级国产精品欧美在线观看| 91av网一区二区| 丰满的人妻完整版| 亚洲内射少妇av| 搡老妇女老女人老熟妇| 亚洲黑人精品在线| 久9热在线精品视频| 色视频www国产| 淫妇啪啪啪对白视频| 国产伦在线观看视频一区| 波野结衣二区三区在线| 99视频精品全部免费 在线| av天堂在线播放| 黄色女人牲交| 综合色av麻豆| 日韩av在线大香蕉| 国产欧美日韩一区二区精品| 热99re8久久精品国产| 亚洲欧美精品综合久久99| 久久久精品大字幕| 精品国内亚洲2022精品成人| 精品久久久久久久久久免费视频| 成人鲁丝片一二三区免费| 色尼玛亚洲综合影院| 精品一区二区三区av网在线观看| 不卡视频在线观看欧美| 两个人的视频大全免费| 亚洲精品一区av在线观看| 国产高清激情床上av| АⅤ资源中文在线天堂| 超碰av人人做人人爽久久| 久久天躁狠狠躁夜夜2o2o| 国产成人av教育| 中文在线观看免费www的网站| 真人做人爱边吃奶动态| 欧美精品啪啪一区二区三区| 九九在线视频观看精品| 永久网站在线| 久久欧美精品欧美久久欧美| avwww免费| 色哟哟·www| 欧美黑人巨大hd| 人妻少妇偷人精品九色| 亚洲av电影不卡..在线观看| 大又大粗又爽又黄少妇毛片口| 婷婷亚洲欧美| 午夜福利在线在线| 国产精品久久久久久亚洲av鲁大| 国产精品av视频在线免费观看| 精品久久久久久久久av| 岛国在线免费视频观看| 久久久久国内视频| 欧美3d第一页| 亚洲在线观看片| 国产白丝娇喘喷水9色精品| 在线观看av片永久免费下载| 黄片wwwwww| 色综合站精品国产| 日日干狠狠操夜夜爽| 在线免费十八禁| 国产精品久久久久久久久免| 大又大粗又爽又黄少妇毛片口| 看免费成人av毛片| 悠悠久久av| 一进一出好大好爽视频| 最近中文字幕高清免费大全6 | 国内久久婷婷六月综合欲色啪| 午夜免费男女啪啪视频观看 | 国产乱人伦免费视频| 免费观看在线日韩| 亚洲美女黄片视频| 美女黄网站色视频| 在线观看美女被高潮喷水网站| 美女cb高潮喷水在线观看| 性欧美人与动物交配| 国产欧美日韩精品一区二区| 亚洲色图av天堂| 成人国产一区最新在线观看| 日韩欧美一区二区三区在线观看| 日韩欧美一区二区三区在线观看| 狂野欧美激情性xxxx在线观看| 99久久无色码亚洲精品果冻| 国内精品宾馆在线| 特大巨黑吊av在线直播| 中文字幕人妻熟人妻熟丝袜美| a级一级毛片免费在线观看| 亚洲经典国产精华液单| 国产三级在线视频| 国产私拍福利视频在线观看| 69av精品久久久久久| 久久99热6这里只有精品| 国产 一区 欧美 日韩| 中国美白少妇内射xxxbb| 成人毛片a级毛片在线播放| 国内揄拍国产精品人妻在线| 国产一区二区激情短视频| www.www免费av| 性欧美人与动物交配| 日韩一区二区视频免费看| 一级黄色大片毛片| 国产精品福利在线免费观看| 婷婷色综合大香蕉| 色综合站精品国产| 国模一区二区三区四区视频| 天堂网av新在线| 午夜免费男女啪啪视频观看 | 熟妇人妻久久中文字幕3abv| 成人国产一区最新在线观看| 久久中文看片网| av在线天堂中文字幕| 国内精品宾馆在线| 别揉我奶头 嗯啊视频| 日韩在线高清观看一区二区三区 | 久久亚洲精品不卡| 麻豆国产97在线/欧美| 女人十人毛片免费观看3o分钟| 简卡轻食公司| 亚洲美女搞黄在线观看 | 搞女人的毛片| ponron亚洲| 久久久久久伊人网av| 一区二区三区四区激情视频 | 国产一区二区在线观看日韩| 99九九线精品视频在线观看视频| 日本欧美国产在线视频| 久久精品国产鲁丝片午夜精品 | 美女xxoo啪啪120秒动态图| 一本一本综合久久| 级片在线观看| 成人国产综合亚洲| 精品人妻偷拍中文字幕| 亚洲一级一片aⅴ在线观看| 性插视频无遮挡在线免费观看| 又爽又黄无遮挡网站| 亚洲中文日韩欧美视频| 色哟哟哟哟哟哟| 波多野结衣高清作品| 最近中文字幕高清免费大全6 | av在线亚洲专区| 91久久精品电影网| 国产精品久久久久久精品电影| 制服丝袜大香蕉在线| 很黄的视频免费| 赤兔流量卡办理| 亚洲国产高清在线一区二区三| 午夜福利欧美成人| 嫩草影院新地址| 麻豆av噜噜一区二区三区| 国产在线男女| 国产午夜福利久久久久久| 国产主播在线观看一区二区| 一个人免费在线观看电影| 日韩亚洲欧美综合| 别揉我奶头~嗯~啊~动态视频| 九九热线精品视视频播放| 91午夜精品亚洲一区二区三区 | 波多野结衣巨乳人妻| 少妇裸体淫交视频免费看高清| 亚洲国产精品sss在线观看| 久久久午夜欧美精品| 少妇的逼好多水| 乱系列少妇在线播放| 成人精品一区二区免费| 老熟妇仑乱视频hdxx| 亚洲内射少妇av| 乱系列少妇在线播放| 午夜视频国产福利| 一进一出抽搐gif免费好疼| 五月玫瑰六月丁香| 成年人黄色毛片网站| 乱码一卡2卡4卡精品| 变态另类成人亚洲欧美熟女| 香蕉av资源在线| 日韩高清综合在线| 九色国产91popny在线| 亚洲中文字幕日韩| 久久久久久久久大av| 啪啪无遮挡十八禁网站| 成熟少妇高潮喷水视频| 日本熟妇午夜| 少妇丰满av| 亚洲国产精品成人综合色| 特大巨黑吊av在线直播| 国产精品国产高清国产av| 一区福利在线观看| 亚洲黑人精品在线| 亚洲人成网站在线播| 欧美最新免费一区二区三区| avwww免费| 91久久精品国产一区二区成人| 午夜福利成人在线免费观看| 国产毛片a区久久久久| eeuss影院久久| 一夜夜www| 美女高潮的动态| 国产午夜精品论理片| 2021天堂中文幕一二区在线观| 国产国拍精品亚洲av在线观看| 久9热在线精品视频| 联通29元200g的流量卡| av在线蜜桃| 亚洲国产欧洲综合997久久,| 可以在线观看的亚洲视频| 真人做人爱边吃奶动态| 99国产极品粉嫩在线观看| 亚洲最大成人av| 一进一出抽搐动态| 日韩欧美在线乱码| 国产真实伦视频高清在线观看 | 亚洲午夜理论影院| 午夜免费成人在线视频| 99九九线精品视频在线观看视频| 99久国产av精品| 一级黄色大片毛片| 波多野结衣高清作品| 在现免费观看毛片| 窝窝影院91人妻| 午夜影院日韩av| 久久亚洲真实| 老师上课跳d突然被开到最大视频| 99视频精品全部免费 在线| 色哟哟哟哟哟哟| 欧美日韩中文字幕国产精品一区二区三区| 国产麻豆成人av免费视频| 看黄色毛片网站| 国产 一区精品| 一区二区三区免费毛片| 亚洲av成人精品一区久久| 国产精品一区二区性色av| 久久精品综合一区二区三区| 三级毛片av免费| 久久久久免费精品人妻一区二区| 亚洲成人精品中文字幕电影| 日韩av在线大香蕉| 级片在线观看| 我的老师免费观看完整版| 久久久久久国产a免费观看| 最新在线观看一区二区三区| 黄色一级大片看看| 他把我摸到了高潮在线观看| 毛片女人毛片| 小蜜桃在线观看免费完整版高清| 此物有八面人人有两片| 在线观看美女被高潮喷水网站| 成人亚洲精品av一区二区| 亚洲经典国产精华液单| 黄色女人牲交| 禁无遮挡网站| 可以在线观看毛片的网站| 老熟妇仑乱视频hdxx| 日本爱情动作片www.在线观看 | 老师上课跳d突然被开到最大视频| 成人av一区二区三区在线看| 极品教师在线免费播放| 欧美另类亚洲清纯唯美| 成人av一区二区三区在线看| 听说在线观看完整版免费高清| 日韩欧美在线二视频| 久久久久久九九精品二区国产| 日本免费a在线| 久久精品国产鲁丝片午夜精品 | 久9热在线精品视频| 国产精品亚洲美女久久久| 欧美bdsm另类| 国产精华一区二区三区| 中文字幕高清在线视频| 国产高清激情床上av| 午夜精品久久久久久毛片777| 亚洲无线观看免费| 久久这里只有精品中国| 成年人黄色毛片网站| 伦精品一区二区三区| 亚洲综合色惰| 久99久视频精品免费| 国产黄片美女视频| 天堂√8在线中文| 成年女人毛片免费观看观看9| 精品一区二区三区视频在线观看免费| 久久精品国产自在天天线| 春色校园在线视频观看| 欧美日本视频| 久久婷婷人人爽人人干人人爱| 国产精品一区www在线观看 | 最近视频中文字幕2019在线8| 女的被弄到高潮叫床怎么办 | 性插视频无遮挡在线免费观看| 啦啦啦韩国在线观看视频| av天堂在线播放| 最后的刺客免费高清国语| 日韩在线高清观看一区二区三区 | 日韩欧美精品免费久久| 欧美高清成人免费视频www| 国产一区二区在线观看日韩| 精品人妻熟女av久视频| 亚洲,欧美,日韩| 一进一出好大好爽视频| 97超级碰碰碰精品色视频在线观看| 国产精品1区2区在线观看.| 亚洲最大成人av| 尤物成人国产欧美一区二区三区| 亚洲 国产 在线| 97热精品久久久久久| 亚洲中文日韩欧美视频| 国产伦精品一区二区三区视频9| 男人和女人高潮做爰伦理| 韩国av一区二区三区四区| 国产91精品成人一区二区三区| 国产69精品久久久久777片| 精品不卡国产一区二区三区| 亚洲国产欧美人成| 校园春色视频在线观看| 欧美日韩黄片免| 免费大片18禁| 级片在线观看| 又粗又爽又猛毛片免费看| 欧美在线一区亚洲| 欧美潮喷喷水| 久久精品国产自在天天线| 国产欧美日韩一区二区精品| 日本熟妇午夜| 亚洲熟妇中文字幕五十中出| 亚洲一区高清亚洲精品| 日本黄色视频三级网站网址| 露出奶头的视频| 色av中文字幕| 成人av一区二区三区在线看| 成人午夜高清在线视频| 国产精品野战在线观看| av在线观看视频网站免费| 99久久无色码亚洲精品果冻| 国产欧美日韩精品一区二区| 成人三级黄色视频| 亚洲av免费高清在线观看| 国产精品99久久久久久久久| 高清日韩中文字幕在线| 欧美丝袜亚洲另类 | 欧美日韩乱码在线| 亚洲在线自拍视频| 亚洲欧美日韩无卡精品| 春色校园在线视频观看| 久久久久久久久久成人| 国产高清视频在线观看网站| 干丝袜人妻中文字幕| 不卡一级毛片| 成人午夜高清在线视频| 免费人成在线观看视频色| 18禁黄网站禁片免费观看直播| 日本一二三区视频观看| 尾随美女入室| 天堂动漫精品| 欧美日韩亚洲国产一区二区在线观看| 人妻夜夜爽99麻豆av| 日韩av在线大香蕉| 成人精品一区二区免费| 国产私拍福利视频在线观看| 久久99热6这里只有精品| 一区二区三区激情视频| 欧美激情在线99| 午夜免费男女啪啪视频观看 | 美女高潮喷水抽搐中文字幕| 欧美中文日本在线观看视频| 国内精品美女久久久久久| 欧美在线一区亚洲| 色综合婷婷激情| 国产高清视频在线观看网站| 精品久久国产蜜桃| 老司机福利观看| 国产午夜精品久久久久久一区二区三区 | 亚洲av电影不卡..在线观看| 国产av在哪里看| 日韩亚洲欧美综合| 日本成人三级电影网站| 一级毛片久久久久久久久女| 亚洲在线观看片| 99久久精品热视频| 久久精品国产99精品国产亚洲性色| 国产精品一区二区性色av| 性插视频无遮挡在线免费观看| 国产成人一区二区在线| 亚洲av免费在线观看| 国产精品久久电影中文字幕| 精品人妻1区二区| 一本一本综合久久| 色综合色国产| 欧美一区二区亚洲| 在线国产一区二区在线| 国产精品,欧美在线| 免费黄网站久久成人精品| 亚洲乱码一区二区免费版| 久久九九热精品免费| 欧美激情久久久久久爽电影| 综合色av麻豆| 老师上课跳d突然被开到最大视频| 无遮挡黄片免费观看| 18禁黄网站禁片午夜丰满| 麻豆成人av在线观看| 性插视频无遮挡在线免费观看| 亚洲va日本ⅴa欧美va伊人久久| 女生性感内裤真人,穿戴方法视频| 久久精品国产鲁丝片午夜精品 | 久久久国产成人精品二区| 亚洲 国产 在线| 久久九九热精品免费| 白带黄色成豆腐渣| 久久久久久国产a免费观看| 亚洲人与动物交配视频| 国产极品精品免费视频能看的| 欧美zozozo另类| 国内精品一区二区在线观看| 黄色视频,在线免费观看| 中文字幕av在线有码专区| 国产精品一区二区三区四区久久| 中文字幕免费在线视频6| 日韩欧美精品v在线| 国产成人aa在线观看| 我的老师免费观看完整版| 久久久久九九精品影院| 亚洲经典国产精华液单| 亚洲av熟女| 黄色一级大片看看| 久久久精品欧美日韩精品| 大又大粗又爽又黄少妇毛片口| 日韩欧美一区二区三区在线观看| 国产精品伦人一区二区| 人人妻人人澡欧美一区二区| 午夜激情欧美在线| av在线蜜桃| 亚洲欧美日韩高清专用| 日本成人三级电影网站| 欧美成人一区二区免费高清观看| 99久久九九国产精品国产免费| 亚洲av熟女| 白带黄色成豆腐渣| 免费搜索国产男女视频| 色综合色国产| 性插视频无遮挡在线免费观看| 婷婷精品国产亚洲av| 亚洲精华国产精华精| 一级黄色大片毛片| 欧美在线一区亚洲| 不卡视频在线观看欧美| 欧美一区二区亚洲| 亚洲中文日韩欧美视频| 色哟哟·www| 国产成人a区在线观看| 国产精品国产三级国产av玫瑰| 亚洲不卡免费看| 黄色女人牲交| av黄色大香蕉| 精品乱码久久久久久99久播| 又爽又黄a免费视频| 我的女老师完整版在线观看| 老女人水多毛片| 久久这里只有精品中国| 日本三级黄在线观看| 亚洲av.av天堂| 日韩欧美国产在线观看| 国产精品一及| 天堂影院成人在线观看| 美女黄网站色视频| 精品久久久久久久久久免费视频| 亚洲熟妇中文字幕五十中出| 男人狂女人下面高潮的视频| 美女免费视频网站| 成人亚洲精品av一区二区| 国产免费av片在线观看野外av| 别揉我奶头 嗯啊视频| 高清日韩中文字幕在线| 国产精品一区二区免费欧美| 亚洲国产欧洲综合997久久,| 免费观看精品视频网站| 天堂√8在线中文| 天堂av国产一区二区熟女人妻| 国国产精品蜜臀av免费| 美女被艹到高潮喷水动态| 色综合站精品国产| 欧美高清成人免费视频www| 听说在线观看完整版免费高清| 欧美日韩国产亚洲二区| 校园人妻丝袜中文字幕| 中国美白少妇内射xxxbb| 国产一区二区三区在线臀色熟女| 成人一区二区视频在线观看| 麻豆国产97在线/欧美| 国产伦精品一区二区三区四那| 亚洲最大成人av| 久久精品国产亚洲av涩爱 | 在线观看免费视频日本深夜| 日韩欧美精品免费久久| 欧美三级亚洲精品| 午夜爱爱视频在线播放| 日本免费一区二区三区高清不卡| 国产麻豆成人av免费视频| 91久久精品电影网| 18禁黄网站禁片午夜丰满| 最好的美女福利视频网| 如何舔出高潮| 九九久久精品国产亚洲av麻豆| 国产 一区 欧美 日韩| 久久精品影院6| 中文资源天堂在线| 我要看日韩黄色一级片| 伦精品一区二区三区| 色播亚洲综合网| 国产精品亚洲一级av第二区| 18禁裸乳无遮挡免费网站照片| 全区人妻精品视频| 久久久色成人| 久久精品91蜜桃| 国产精品一区www在线观看 | 热99re8久久精品国产| av天堂在线播放| 国产精品伦人一区二区| 久久精品夜夜夜夜夜久久蜜豆| 国产在视频线在精品| 在线免费观看的www视频| 国产精品电影一区二区三区| 综合色av麻豆| 日韩国内少妇激情av| 午夜福利在线观看吧| 成人特级黄色片久久久久久久| 在线免费十八禁| 国产三级在线视频| 精品99又大又爽又粗少妇毛片 | 亚洲精品乱码久久久v下载方式| 日日撸夜夜添| 国产探花在线观看一区二区| 欧美xxxx黑人xx丫x性爽| 女同久久另类99精品国产91| 毛片女人毛片| 久久精品人妻少妇| 久久草成人影院| 色综合亚洲欧美另类图片| 级片在线观看| 国产精品免费一区二区三区在线| 黄色欧美视频在线观看| 综合色av麻豆| 欧美人与善性xxx| 毛片一级片免费看久久久久 | 亚洲美女视频黄频| 国产大屁股一区二区在线视频| 国产欧美日韩精品亚洲av| 色综合婷婷激情| а√天堂www在线а√下载| 小说图片视频综合网站| 国产淫片久久久久久久久| 神马国产精品三级电影在线观看| 国产v大片淫在线免费观看| 久久久成人免费电影| 免费在线观看日本一区| 99九九线精品视频在线观看视频| 一个人看的www免费观看视频| 毛片女人毛片| av在线观看视频网站免费| 国产精品久久电影中文字幕| 国产成年人精品一区二区|