• <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周新宇吳志健鄧長壽彭虎
    關(guān)鍵詞:優(yōu)化

    周新宇,吳志健,鄧長壽,彭虎

    ?

    一種鄰域搜索的人工蜂群算法

    周新宇1, 2,吳志健1,鄧長壽3,彭虎1

    (1. 武漢大學(xué) 計(jì)算機(jī)學(xué)院,軟件工程國家重點(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。

    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慢和解的精度不高。針對此問題,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。值得說明的是:1個(gè)食物源的位置對應(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)雇傭蜂對應(yīng)的食物源的適應(yīng)值連續(xù)次未更新,說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)食物源若超過次未更新,則認(rèn)為該食物源被開采耗盡,對應(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:對當(dāng)前待優(yōu)化問題的1個(gè)可行解,同時(shí)計(jì)算并評估其反向解,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,對其采用隨機(jī)生成的方法來重置:

    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)的評估次數(shù),Max為適應(yīng)度函數(shù)的最大評估次數(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)的最大評估次數(shù)Max按文獻(xiàn)[24]的建議設(shè)置為:對函數(shù)F01~F13,Max=5 000;對函數(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,在所有測試函數(shù)上的性能均比ABC算法更優(yōu)或者相當(dāng)。值得說明的是,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;對函數(shù)F01~F13,Max=5 000;而對函數(shù)F14~F20,Max=10 000。對每個(gè)算法的特殊參數(shù)按原文獻(xiàn)進(jìn)行設(shè)置,對GABC算法,=1.5;對MABC算法,=0.7;對GOABC算法,=0.3。實(shí)驗(yàn)中對所有函數(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“+”、“?”和“≈”分別表示NSABC的性能要優(yōu)于、劣于和相當(dāng)于對比算法。

    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種對比算法。具體來說,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)狹長的、拋物線狀的扁平山谷中,對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)的最大評估次數(shù)Max與前面相同,測試函數(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。

    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, 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

    國家自然科學(xué)基金資助項(xiàng)目(61364025, 61305150, 61462045);中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(2012211020205);軟件工程國家重點(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
    90打野战视频偷拍视频| 香蕉国产在线看| 69精品国产乱码久久久| 日本猛色少妇xxxxx猛交久久| 高清不卡的av网站| 蜜桃国产av成人99| 91精品三级在线观看| 精品免费久久久久久久清纯 | 亚洲综合色网址| 黄色毛片三级朝国网站| 成年av动漫网址| 不卡视频在线观看欧美| 欧美日韩福利视频一区二区| 亚洲情色 制服丝袜| 成年人午夜在线观看视频| 国产爽快片一区二区三区| 一本一本久久a久久精品综合妖精| 久久人妻熟女aⅴ| 日韩制服骚丝袜av| 无限看片的www在线观看| av线在线观看网站| 黄频高清免费视频| 国产97色在线日韩免费| 欧美日韩国产mv在线观看视频| 亚洲国产欧美日韩在线播放| 国产一区二区激情短视频 | 男女下面插进去视频免费观看| 色吧在线观看| 丰满少妇做爰视频| 王馨瑶露胸无遮挡在线观看| 国产99久久九九免费精品| 日韩大片免费观看网站| 永久免费av网站大全| 成人亚洲精品一区在线观看| 国产在线视频一区二区| 色94色欧美一区二区| 看免费成人av毛片| 在线天堂最新版资源| 色精品久久人妻99蜜桃| 欧美人与性动交α欧美精品济南到| 精品一区二区三区四区五区乱码 | 又大又爽又粗| 久久这里只有精品19| 日韩av免费高清视频| 极品人妻少妇av视频| 色综合欧美亚洲国产小说| 国产激情久久老熟女| 久久久久精品国产欧美久久久 | 国产无遮挡羞羞视频在线观看| av国产久精品久网站免费入址| 国产乱来视频区| 欧美亚洲日本最大视频资源| 国产乱人偷精品视频| 亚洲成人免费av在线播放| 亚洲欧美色中文字幕在线| 熟女av电影| 精品国产露脸久久av麻豆| 日韩av在线免费看完整版不卡| av福利片在线| 亚洲国产欧美在线一区| 国产成人av激情在线播放| 色婷婷久久久亚洲欧美| 久久精品久久久久久久性| 精品亚洲成a人片在线观看| 人妻一区二区av| 制服丝袜香蕉在线| 亚洲av中文av极速乱| √禁漫天堂资源中文www| 国产片特级美女逼逼视频| 久久婷婷青草| 久久精品亚洲av国产电影网| 黄色毛片三级朝国网站| 波多野结衣av一区二区av| 黄频高清免费视频| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲四区av| 日韩精品免费视频一区二区三区| 亚洲精品久久久久久婷婷小说| av天堂久久9| 亚洲精品成人av观看孕妇| kizo精华| 哪个播放器可以免费观看大片| 日本爱情动作片www.在线观看| 中文字幕制服av| 久久精品人人爽人人爽视色| 亚洲国产欧美在线一区| 性色av一级| 人妻一区二区av| 别揉我奶头~嗯~啊~动态视频 | 国产亚洲最大av| 在线免费观看不下载黄p国产| 热99久久久久精品小说推荐| 黄片无遮挡物在线观看| 久久97久久精品| 亚洲av成人不卡在线观看播放网 | 乱人伦中国视频| av视频免费观看在线观看| 久久天堂一区二区三区四区| 国产成人精品在线电影| 精品国产一区二区三区久久久樱花| 人体艺术视频欧美日本| 国产免费现黄频在线看| 母亲3免费完整高清在线观看| 永久免费av网站大全| 大香蕉久久成人网| av又黄又爽大尺度在线免费看| 高清不卡的av网站| 丝袜脚勾引网站| 男人舔女人的私密视频| 久久狼人影院| 亚洲视频免费观看视频| 80岁老熟妇乱子伦牲交| 波野结衣二区三区在线| 男女免费视频国产| 午夜老司机福利片| 欧美另类一区| 欧美日韩国产mv在线观看视频| 精品国产超薄肉色丝袜足j| 日本欧美视频一区| 女性生殖器流出的白浆| 欧美日韩成人在线一区二区| av又黄又爽大尺度在线免费看| netflix在线观看网站| 热re99久久精品国产66热6| 亚洲精品久久成人aⅴ小说| 国产高清不卡午夜福利| 欧美日韩一级在线毛片| 伦理电影免费视频| 亚洲欧美日韩另类电影网站| 女性生殖器流出的白浆| 夫妻午夜视频| 三上悠亚av全集在线观看| 夫妻性生交免费视频一级片| 啦啦啦在线观看免费高清www| 日韩 亚洲 欧美在线| 亚洲视频免费观看视频| av片东京热男人的天堂| 韩国av在线不卡| 十八禁网站网址无遮挡| 自拍欧美九色日韩亚洲蝌蚪91| 久久人人爽人人片av| 国产欧美亚洲国产| 日韩av免费高清视频| 激情视频va一区二区三区| 啦啦啦 在线观看视频| 七月丁香在线播放| 一二三四在线观看免费中文在| 99re6热这里在线精品视频| 日本一区二区免费在线视频| 亚洲欧美中文字幕日韩二区| av有码第一页| 男女高潮啪啪啪动态图| 纯流量卡能插随身wifi吗| 欧美日韩亚洲综合一区二区三区_| 亚洲国产欧美在线一区| 亚洲欧美激情在线| 丝袜美腿诱惑在线| 制服人妻中文乱码| 精品人妻一区二区三区麻豆| 亚洲精品,欧美精品| av卡一久久| 免费少妇av软件| 亚洲av国产av综合av卡| 丰满少妇做爰视频| 高清视频免费观看一区二区| 色综合欧美亚洲国产小说| 韩国高清视频一区二区三区| 十八禁高潮呻吟视频| 亚洲第一青青草原| 大码成人一级视频| 亚洲专区中文字幕在线 | 麻豆乱淫一区二区| 精品国产一区二区三区久久久樱花| 一本—道久久a久久精品蜜桃钙片| 老司机深夜福利视频在线观看 | 少妇人妻久久综合中文| 又粗又硬又长又爽又黄的视频| 一二三四中文在线观看免费高清| 女人爽到高潮嗷嗷叫在线视频| 婷婷色综合www| 中文字幕亚洲精品专区| av在线老鸭窝| 国产欧美亚洲国产| 69精品国产乱码久久久| 另类亚洲欧美激情| 久久久精品免费免费高清| 大陆偷拍与自拍| 视频在线观看一区二区三区| 久久久久视频综合| 亚洲国产最新在线播放| 中文字幕亚洲精品专区| 国产欧美亚洲国产| 免费观看a级毛片全部| 丰满迷人的少妇在线观看| 久久久久国产精品人妻一区二区| 亚洲美女搞黄在线观看| 国产在线视频一区二区| 香蕉国产在线看| 中国国产av一级| 丝袜脚勾引网站| 久久久国产欧美日韩av| 亚洲人成77777在线视频| 在线观看免费午夜福利视频| 我的亚洲天堂| 性色av一级| 亚洲男人天堂网一区| 亚洲精品日韩在线中文字幕| 欧美日韩亚洲国产一区二区在线观看 | 91老司机精品| 青春草国产在线视频| 久久毛片免费看一区二区三区| 男女之事视频高清在线观看 | 精品免费久久久久久久清纯 | 人人妻人人澡人人爽人人夜夜| 哪个播放器可以免费观看大片| 男女国产视频网站| 超碰成人久久| 国产亚洲精品第一综合不卡| 日韩熟女老妇一区二区性免费视频| 视频区图区小说| 精品少妇久久久久久888优播| 天堂俺去俺来也www色官网| 亚洲成人免费av在线播放| 国产男女超爽视频在线观看| 久久99精品国语久久久| 一级毛片电影观看| www日本在线高清视频| 亚洲图色成人| 亚洲国产日韩一区二区| 久久免费观看电影| 欧美中文综合在线视频| 国产老妇伦熟女老妇高清| 少妇精品久久久久久久| 久久久久久久久久久免费av| 精品国产乱码久久久久久小说| 免费观看性生交大片5| 久久久久久久国产电影| 一本一本久久a久久精品综合妖精| 十八禁人妻一区二区| 欧美精品av麻豆av| 麻豆乱淫一区二区| 男女无遮挡免费网站观看| 日本黄色日本黄色录像| 美女主播在线视频| 人人澡人人妻人| 免费看av在线观看网站| 久久精品国产亚洲av涩爱| 波多野结衣一区麻豆| 午夜免费鲁丝| 最近2019中文字幕mv第一页| 日韩欧美一区视频在线观看| 男女边摸边吃奶| 2018国产大陆天天弄谢| 国产精品久久久久成人av| 丝袜在线中文字幕| 亚洲男人天堂网一区| 国产精品成人在线| 亚洲,一卡二卡三卡| 亚洲美女搞黄在线观看| 欧美日韩综合久久久久久| e午夜精品久久久久久久| 91精品国产国语对白视频| 嫩草影视91久久| 亚洲在久久综合| 如日韩欧美国产精品一区二区三区| 精品一区二区三区av网在线观看 | 久久精品久久久久久久性| 亚洲,欧美,日韩| 亚洲熟女精品中文字幕| 黄片播放在线免费| 热re99久久精品国产66热6| 国产毛片在线视频| 久久精品亚洲av国产电影网| 多毛熟女@视频| 日韩一区二区三区影片| 18禁国产床啪视频网站| 电影成人av| 亚洲国产精品一区三区| 麻豆乱淫一区二区| 99re6热这里在线精品视频| 日本色播在线视频| av卡一久久| av在线app专区| 高清黄色对白视频在线免费看| 亚洲婷婷狠狠爱综合网| 欧美日韩视频高清一区二区三区二| 欧美成人精品欧美一级黄| www.av在线官网国产| 日本色播在线视频| 少妇猛男粗大的猛烈进出视频| 国产乱人偷精品视频| 高清黄色对白视频在线免费看| 国产精品 欧美亚洲| 另类精品久久| 大香蕉久久网| 亚洲欧洲国产日韩| 天天躁日日躁夜夜躁夜夜| 免费少妇av软件| 免费人妻精品一区二区三区视频| www.熟女人妻精品国产| 九色亚洲精品在线播放| 亚洲精华国产精华液的使用体验| 国产精品偷伦视频观看了| 91精品伊人久久大香线蕉| 亚洲成人免费av在线播放| 国产成人精品久久二区二区91 | 精品久久久精品久久久| 欧美av亚洲av综合av国产av | 精品久久久精品久久久| 国产淫语在线视频| 亚洲一码二码三码区别大吗| 亚洲欧洲日产国产| 曰老女人黄片| 免费看不卡的av| 99精品久久久久人妻精品| 精品卡一卡二卡四卡免费| 搡老岳熟女国产| 麻豆av在线久日| 91老司机精品| 亚洲国产精品国产精品| 美女脱内裤让男人舔精品视频| www.熟女人妻精品国产| 国产爽快片一区二区三区| 中文字幕另类日韩欧美亚洲嫩草| 欧美少妇被猛烈插入视频| 老司机靠b影院| 亚洲在久久综合| 桃花免费在线播放| av国产久精品久网站免费入址| 男人添女人高潮全过程视频| 亚洲欧美一区二区三区黑人| 国产精品 欧美亚洲| 婷婷色av中文字幕| 久久久久久久久久久免费av| 日韩中文字幕视频在线看片| 97精品久久久久久久久久精品| 国产伦理片在线播放av一区| 精品国产乱码久久久久久小说| 亚洲自偷自拍图片 自拍| 日韩视频在线欧美| 久久久亚洲精品成人影院| 看免费av毛片| 亚洲伊人色综图| 国产女主播在线喷水免费视频网站| 亚洲av电影在线观看一区二区三区| 黑人巨大精品欧美一区二区蜜桃| 美女脱内裤让男人舔精品视频| 亚洲精品国产一区二区精华液| 久热爱精品视频在线9| 日本黄色日本黄色录像| 一级毛片 在线播放| 亚洲国产精品成人久久小说| 在线观看免费视频网站a站| 看非洲黑人一级黄片| 国产精品嫩草影院av在线观看| 午夜免费男女啪啪视频观看| 波多野结衣一区麻豆| 高清欧美精品videossex| 男人添女人高潮全过程视频| 免费人妻精品一区二区三区视频| 丝袜美足系列| 国产又爽黄色视频| 又大又爽又粗| 丝袜美足系列| 国产av一区二区精品久久| 最黄视频免费看| 高清欧美精品videossex| 1024香蕉在线观看| 性少妇av在线| 亚洲精品成人av观看孕妇| 国产一区二区激情短视频 | 亚洲国产看品久久| 别揉我奶头~嗯~啊~动态视频 | 成人手机av| 精品一区二区三区av网在线观看 | 天堂俺去俺来也www色官网| 99精国产麻豆久久婷婷| 国产精品一区二区在线不卡| 丝袜在线中文字幕| 国产探花极品一区二区| 少妇被粗大猛烈的视频| 九色亚洲精品在线播放| 色94色欧美一区二区| 亚洲欧洲精品一区二区精品久久久 | 曰老女人黄片| 日韩,欧美,国产一区二区三区| 啦啦啦在线观看免费高清www| 欧美 日韩 精品 国产| 久久久久久久久久久久大奶| 久久 成人 亚洲| 国产成人午夜福利电影在线观看| 国产麻豆69| 亚洲国产精品成人久久小说| 国产免费现黄频在线看| av一本久久久久| 久久久久久久国产电影| 国产精品 国内视频| 久久久久久久精品精品| 国产深夜福利视频在线观看| 天天操日日干夜夜撸| 国精品久久久久久国模美| 精品人妻在线不人妻| 性少妇av在线| 青春草国产在线视频| 中文字幕人妻丝袜制服| 中文字幕最新亚洲高清| 亚洲少妇的诱惑av| 香蕉国产在线看| 免费日韩欧美在线观看| 99re6热这里在线精品视频| 美女扒开内裤让男人捅视频| 丝袜在线中文字幕| 一级片免费观看大全| av电影中文网址| 欧美人与善性xxx| 又粗又硬又长又爽又黄的视频| 免费黄网站久久成人精品| 亚洲精品国产区一区二| 成人毛片60女人毛片免费| 欧美日韩国产mv在线观看视频| 深夜精品福利| 国产精品欧美亚洲77777| 我要看黄色一级片免费的| 热99国产精品久久久久久7| 亚洲av日韩精品久久久久久密 | 婷婷色麻豆天堂久久| 国产免费一区二区三区四区乱码| 亚洲成人国产一区在线观看 | 久久人人爽av亚洲精品天堂| 国产又色又爽无遮挡免| 美女扒开内裤让男人捅视频| 午夜福利视频在线观看免费| 精品国产乱码久久久久久小说| 国产日韩欧美视频二区| av.在线天堂| 中国国产av一级| 观看美女的网站| 亚洲第一av免费看| bbb黄色大片| 丰满饥渴人妻一区二区三| 夫妻性生交免费视频一级片| 午夜免费鲁丝| 少妇被粗大的猛进出69影院| 亚洲av福利一区| 久久久久久久国产电影| 国产精品偷伦视频观看了| 免费在线观看视频国产中文字幕亚洲 | 亚洲精华国产精华液的使用体验| 最近最新中文字幕免费大全7| 晚上一个人看的免费电影| 肉色欧美久久久久久久蜜桃| 国产成人a∨麻豆精品| 99re6热这里在线精品视频| 男女边吃奶边做爰视频| 一区二区日韩欧美中文字幕| 精品酒店卫生间| 国产精品女同一区二区软件| 欧美在线黄色| 操美女的视频在线观看| 国产精品蜜桃在线观看| 麻豆av在线久日| 曰老女人黄片| 欧美xxⅹ黑人| 国语对白做爰xxxⅹ性视频网站| 亚洲精品美女久久久久99蜜臀 | 激情五月婷婷亚洲| 男女无遮挡免费网站观看| 亚洲免费av在线视频| 韩国精品一区二区三区| 国产欧美日韩综合在线一区二区| 日韩一区二区三区影片| 1024视频免费在线观看| 久久精品亚洲熟妇少妇任你| 在线天堂中文资源库| 日本爱情动作片www.在线观看| 国产伦理片在线播放av一区| 中文字幕最新亚洲高清| 欧美黑人精品巨大| 大码成人一级视频| 亚洲国产毛片av蜜桃av| 日韩伦理黄色片| 国产精品久久久久久久久免| 国产黄频视频在线观看| 99热全是精品| 日韩大码丰满熟妇| 国产精品嫩草影院av在线观看| 欧美激情高清一区二区三区 | 国产成人精品在线电影| 一区二区三区四区激情视频| 热99久久久久精品小说推荐| 国产激情久久老熟女| 午夜福利视频在线观看免费| 成人国语在线视频| 新久久久久国产一级毛片| 国产极品天堂在线| 久久人人爽人人片av| 这个男人来自地球电影免费观看 | 母亲3免费完整高清在线观看| 欧美国产精品va在线观看不卡| 色网站视频免费| 午夜91福利影院| 国产精品一区二区在线观看99| 毛片一级片免费看久久久久| 亚洲av日韩精品久久久久久密 | 极品人妻少妇av视频| 国产精品国产三级国产专区5o| 18在线观看网站| 少妇人妻精品综合一区二区| 精品福利永久在线观看| 热99国产精品久久久久久7| 精品免费久久久久久久清纯 | 欧美人与性动交α欧美精品济南到| 建设人人有责人人尽责人人享有的| 91国产中文字幕| 精品国产超薄肉色丝袜足j| 十八禁人妻一区二区| 麻豆精品久久久久久蜜桃| 久久精品亚洲av国产电影网| 免费看av在线观看网站| 国产精品无大码| 国产无遮挡羞羞视频在线观看| 中文欧美无线码| 悠悠久久av| 国产精品一国产av| 飞空精品影院首页| 日本色播在线视频| 18禁观看日本| 亚洲av成人精品一二三区| 国产在线一区二区三区精| av片东京热男人的天堂| 精品亚洲成a人片在线观看| 日韩中文字幕视频在线看片| av在线老鸭窝| 中文字幕色久视频| 午夜福利视频在线观看免费| 成人国语在线视频| 国产精品久久久av美女十八| 熟女少妇亚洲综合色aaa.| avwww免费| 中文精品一卡2卡3卡4更新| 欧美精品高潮呻吟av久久| 少妇的丰满在线观看| 丝袜喷水一区| 精品久久蜜臀av无| 美女中出高潮动态图| 中文精品一卡2卡3卡4更新| avwww免费| 久久ye,这里只有精品| 热99久久久久精品小说推荐| 18禁裸乳无遮挡动漫免费视频| 巨乳人妻的诱惑在线观看| 亚洲精品乱久久久久久| 成年av动漫网址| 亚洲美女视频黄频| 老熟女久久久| 日韩精品有码人妻一区| av在线app专区| 亚洲av福利一区| 久久精品aⅴ一区二区三区四区| 亚洲欧洲日产国产| 亚洲国产av新网站| 极品少妇高潮喷水抽搐| 日韩中文字幕视频在线看片| 国产精品香港三级国产av潘金莲 | 欧美精品av麻豆av| 熟女av电影| 亚洲 欧美一区二区三区| 伦理电影大哥的女人| 人妻人人澡人人爽人人| 免费观看人在逋| av女优亚洲男人天堂| 视频在线观看一区二区三区| 久久久精品区二区三区| 婷婷色综合大香蕉| 精品人妻一区二区三区麻豆| 成人三级做爰电影| 少妇被粗大的猛进出69影院| 我的亚洲天堂| 久久久久久久久久久免费av| av国产久精品久网站免费入址| 国产av码专区亚洲av| 亚洲精品日本国产第一区| 亚洲精品视频女| 亚洲国产欧美日韩在线播放| 日韩不卡一区二区三区视频在线| 新久久久久国产一级毛片| 精品午夜福利在线看| 日韩一区二区视频免费看| 久久热在线av| 日韩熟女老妇一区二区性免费视频| 欧美日韩国产mv在线观看视频| 亚洲七黄色美女视频| 免费黄色在线免费观看| 香蕉国产在线看| 亚洲av综合色区一区| 一区二区av电影网| 搡老岳熟女国产| 欧美国产精品一级二级三级| 高清视频免费观看一区二区| 国产免费视频播放在线视频| 精品国产乱码久久久久久男人| 水蜜桃什么品种好| 久久精品亚洲av国产电影网| 亚洲专区中文字幕在线 | 亚洲av成人不卡在线观看播放网 | 亚洲国产毛片av蜜桃av| 多毛熟女@视频| 成年人免费黄色播放视频| 欧美乱码精品一区二区三区| 成年美女黄网站色视频大全免费| 水蜜桃什么品种好| 亚洲天堂av无毛| 女人高潮潮喷娇喘18禁视频| 大片电影免费在线观看免费| 亚洲欧美成人精品一区二区|