螢火蟲(chóng)算法（Firefly Algorithm,FA）是一種新型的群智能算法,因其具有結(jié)構(gòu)簡(jiǎn)單、調(diào)節(jié)參數(shù)少、易于實(shí)現(xiàn)等特點(diǎn),同時(shí)具有自動(dòng)劃分子群、獨(dú)特的吸引機(jī)制等優(yōu)勢(shì),使其能夠高效的處理優(yōu)化問(wèn)題。自螢火蟲(chóng)算法提出后,就引起了大量的學(xué)者關(guān)注和研究熱潮。目前,螢火蟲(chóng)算法已應(yīng)用在很多領(lǐng)域并取得了成功。然而,與其他群智能算法一樣,螢火蟲(chóng)算法也存在著收斂速度慢、尋優(yōu)結(jié)果精度不高、易發(fā)生早熟收斂等不足。本文通過(guò)分析引起這些不足的原因出發(fā),提出了兩種改進(jìn)算法。主要工作和創(chuàng)新點(diǎn)概括如下:針對(duì)螢火蟲(chóng)算法采用固定步長(zhǎng)不能滿(mǎn)足算法進(jìn)化過(guò)程中的環(huán)境變化需求,提出一種結(jié)合種群多樣性自適應(yīng)控制步長(zhǎng)的螢火蟲(chóng)算法（DASFA）。該算法采用一種非線性遞減隨機(jī)步長(zhǎng),同時(shí)以種群多樣性作為調(diào)節(jié)因子,以平衡算法的全局探索和局部搜索的能力。此外,為了應(yīng)對(duì)不同維度的優(yōu)化問(wèn)題,將維度調(diào)節(jié)因子引入隨機(jī)步長(zhǎng),以適應(yīng)不同問(wèn)題的尋優(yōu)需求。對(duì)DASFA進(jìn)行實(shí)驗(yàn)仿真,并與基本螢火蟲(chóng)算法和其他幾種類(lèi)似的改進(jìn)算法進(jìn)行對(duì)比,驗(yàn)證了DASFA的有效性�？紤]到螢火蟲(chóng)每次迭代后缺乏對(duì)自身亮度的評(píng)估機(jī)制,將選擇和變異操作引入螢火蟲(chóng)算法,提出一種基于選擇變異自... 

【文章來(lái)源】：暨南大學(xué)廣東省 211工程院校

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

不同值Rastrigin函數(shù)多樣性變化

Rastrigin 函數(shù)的仿真實(shí)驗(yàn)表明，較大的步長(zhǎng)有利于算法保持較高的種群多樣性，增強(qiáng)算法跳出局部最優(yōu)的能力，但種群多樣性過(guò)大特別是在算法中后期階段并不一定表明算法進(jìn)化順利。下面以 Sphere 函數(shù)為例來(lái)分析，圖 3-5 和圖 3-6 分別顯示了 = 時(shí)，Sphere 函數(shù)尋優(yōu)的種群多樣性和當(dāng)前最優(yōu)值隨算法迭

圖 3-7 不同 值 Sphere 函數(shù)種群多樣性變化 圖 3-8 不同 值 Sphere 函數(shù)尋優(yōu)曲線總結(jié)以上關(guān)于 Rastrigin 函數(shù)和 Sphere 函數(shù)的仿真分析，可以得出：（1）種群多樣性可在一定程度上反映螢火蟲(chóng)算法進(jìn)化狀態(tài)。種群多樣性是關(guān)于種群密集程度的度量，一般來(lái)說(shuō)，種群多樣性較小時(shí)，種群分布較密集，說(shuō)明算法已聚集到最優(yōu)值附近或陷入局部最優(yōu)；種群多樣性較大時(shí)，種群較分散，具有較強(qiáng)的開(kāi)拓能力，但對(duì)于多峰值函數(shù)來(lái)說(shuō)，也有可能陷入多個(gè)局部極值，算法發(fā)生早熟現(xiàn)象。（2）隨機(jī)步長(zhǎng)在螢火蟲(chóng)算法迭代過(guò)程中起著重要作用。較大的步長(zhǎng)有利于增加種群多樣性，增強(qiáng)算法的全局開(kāi)發(fā)能力，幫助算法擺脫局部極值的干擾，而較小的步長(zhǎng)有利于降低種群多樣性，提高算法的局部搜索能力，但不利于算法快速收斂到全局最優(yōu)值。（3）保持一定的種群多樣性對(duì)算法進(jìn)化至關(guān)重要。算法初期，較大的種群多樣性表明種群較為分散，有利于找到更多最優(yōu)值所在區(qū)域。隨著算法的進(jìn)行，種群

【參考文獻(xiàn)】：
碩士論文
[1]螢火蟲(chóng)算法的改進(jìn)及其應(yīng)用研究[D]. 馬彥追.廣西民族大學(xué) 2014



本文編號(hào)：3506713