本文關(guān)鍵詞：螢火蟲(chóng)優(yōu)化算法研究及應(yīng)用

  更多相關(guān)文章： 優(yōu)化算法 群智能算法 螢火蟲(chóng)優(yōu)化算法 種群多樣性 學(xué)習(xí)策略 聚類分析

【摘要】：螢火蟲(chóng)優(yōu)化算法(Firefly Algorithm, FA)是群智能優(yōu)化算法領(lǐng)域中一種比較新穎的優(yōu)化方法,它是模擬螢火蟲(chóng)發(fā)光的生物特性表現(xiàn)出來(lái)的社會(huì)行為而設(shè)計(jì)的隨機(jī)優(yōu)化算法。因其結(jié)構(gòu)簡(jiǎn)單,需要調(diào)節(jié)的參數(shù)較少,以及具有較好的尋優(yōu)搜索能力而受到國(guó)內(nèi)外學(xué)者的關(guān)注,目前廣泛應(yīng)用在工程、計(jì)算機(jī)、管理、經(jīng)濟(jì)以及生物等領(lǐng)域。然而,螢火蟲(chóng)優(yōu)化算法難以避免基于群體搜索的隨機(jī)優(yōu)化算法所具有的通病和缺陷,比如：算法運(yùn)行到后期收斂速度較慢,早熟收斂、易陷于局部最優(yōu)等,從而導(dǎo)致求解精度不高。本文在分析螢火蟲(chóng)優(yōu)化算法研究現(xiàn)狀的基礎(chǔ)上,從不同角度提出了六種改進(jìn)算法,并將其中三種改進(jìn)算法應(yīng)用于聚類分析算法。完成的主要研究工作和成果總結(jié)如下：(1)兩種基于步長(zhǎng)改進(jìn)策略的螢火蟲(chóng)優(yōu)化算法。針對(duì)在基本螢火蟲(chóng)優(yōu)化算法中使用統(tǒng)一固定的步長(zhǎng)值、忽略個(gè)體搜索能力差異性的問(wèn)題,提出自適應(yīng)步長(zhǎng)螢火蟲(chóng)優(yōu)化算法和考慮最優(yōu)位置信息的變步長(zhǎng)螢火蟲(chóng)優(yōu)化算法。第一種改進(jìn)算法利用搜索過(guò)程中每個(gè)螢火蟲(chóng)個(gè)體的前二次迭代目標(biāo)函數(shù)值,以及當(dāng)前迭代目標(biāo)函數(shù)值,自適應(yīng)地調(diào)整步長(zhǎng)參數(shù)；第二種改進(jìn)算法通過(guò)考慮螢火蟲(chóng)個(gè)體的最優(yōu)位置信息以及直到當(dāng)前全局最好螢火蟲(chóng)個(gè)體的位置信息,來(lái)動(dòng)態(tài)地調(diào)整步長(zhǎng)參數(shù)。以上兩種改進(jìn)方法通過(guò)對(duì)步長(zhǎng)參數(shù)的設(shè)置,克服原有算法固定步長(zhǎng)的缺陷,增強(qiáng)了算法的搜索性能,提高了算法的求解精度。最后通過(guò)在標(biāo)準(zhǔn)測(cè)試函數(shù)上仿真實(shí)驗(yàn)的比較,說(shuō)明了這兩種改進(jìn)算法的有效性。(2)兩種基于種群多樣性引導(dǎo)的螢火蟲(chóng)優(yōu)化算法。種群多樣性的損失是基本螢火蟲(chóng)優(yōu)化算法存在的一個(gè)嚴(yán)重問(wèn)題,也是導(dǎo)致過(guò)早收斂,影響最終求解精度的重要原因。為提高種群多樣性,增強(qiáng)算法的搜索能力,提出兩種改進(jìn)算法。第一種改進(jìn)算法,通過(guò)種群多樣性的值來(lái)動(dòng)態(tài)地引導(dǎo)算法搜索,當(dāng)種群多樣性值小于某一閡值時(shí),通過(guò)調(diào)整螢火蟲(chóng)個(gè)體的位置,來(lái)動(dòng)態(tài)地提高種群多樣性,從而避免算法早熟而陷入局部最優(yōu)；第二種改進(jìn)算法通過(guò)計(jì)算種群分布熵,來(lái)動(dòng)態(tài)調(diào)整算法在每次迭代中的步長(zhǎng)值,如果種群分布熵大,說(shuō)明種群集聚現(xiàn)象嚴(yán)重,此時(shí)步長(zhǎng)變大,使得集聚的螢火蟲(chóng)個(gè)體能跳出該區(qū)域,搜索更大的區(qū)域,從而提高算法的搜索能力和求解精度。最后通過(guò)仿真實(shí)驗(yàn)結(jié)果分析,表明兩種改進(jìn)的算法比基本螢火蟲(chóng)優(yōu)化算法性能好。(3)兩種基于學(xué)習(xí)策略改進(jìn)的螢火蟲(chóng)優(yōu)化算法：基于反向?qū)W習(xí)和自我調(diào)整策略的螢火蟲(chóng)優(yōu)化算法。在基于反向?qū)W習(xí)策略算法中,引入學(xué)習(xí)概率,對(duì)進(jìn)化過(guò)程中表現(xiàn)最差的螢火蟲(chóng)個(gè)體采用反向?qū)W習(xí)策略,如果高于學(xué)習(xí)概率則采用反向?qū)W習(xí)策略,將最差螢火蟲(chóng)個(gè)體位置進(jìn)行反向更新；如果低于學(xué)習(xí)概率,則向當(dāng)前迭代中表現(xiàn)最優(yōu)的螢火蟲(chóng)個(gè)體進(jìn)行學(xué)習(xí)；在自我調(diào)整策略改進(jìn)算法中,根據(jù)人類認(rèn)知心理學(xué)學(xué)習(xí)原則,對(duì)表現(xiàn)最優(yōu)的螢火蟲(chóng)個(gè)體采用更大的步長(zhǎng),保持其全局探索能力以搜索更大區(qū)域,而對(duì)剩下的螢火蟲(chóng)個(gè)體采用線性減小的步長(zhǎng)。以上兩種改進(jìn)算法通過(guò)實(shí)驗(yàn)結(jié)果對(duì)比表明,基于上述學(xué)習(xí)策略改進(jìn)的螢火蟲(chóng)優(yōu)化算法要比基本螢火蟲(chóng)優(yōu)化算法具有更強(qiáng)的搜索能力,算法性能得到明顯改善。(4)將改進(jìn)的螢火蟲(chóng)優(yōu)化算法應(yīng)用到聚類分析中。以聚類算法典型代表K-means算法為例,針對(duì)其容易收斂于一個(gè)任意的局部最優(yōu)解,結(jié)合螢火蟲(chóng)優(yōu)化算法具有較好的全局搜索能力、較快的收斂速度等優(yōu)點(diǎn),將聚類問(wèn)題轉(zhuǎn)化為優(yōu)化問(wèn)題。選取上述三種改進(jìn)螢火蟲(chóng)優(yōu)化算法與K-means聚類算法相結(jié)合的方式進(jìn)行求解,利用K-means聚類算法自身收斂速度較快的優(yōu)勢(shì),以及螢火蟲(chóng)優(yōu)化算法在全局優(yōu)化上的特長(zhǎng),克服局部最優(yōu)缺陷,獲得全局最優(yōu)解。通過(guò)對(duì)6個(gè)UCI數(shù)據(jù)集測(cè)試實(shí)驗(yàn),說(shuō)明將改進(jìn)的螢火蟲(chóng)優(yōu)化算法與K-means聚類算法結(jié)合,能獲得較好的聚類結(jié)果。
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP18

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 林銳浩,陳曉龍;基于種群多樣性指導(dǎo)的遺傳算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2005年11期

2 段曉東;徐平;王存睿;劉向東;張慶靈;;動(dòng)態(tài)環(huán)境下粒子分群與種群多樣性的關(guān)系研究[J];計(jì)算機(jī)科學(xué);2009年03期

3 何琳,王科俊,李國(guó)斌,金鴻章;遺傳算法種群多樣性的分析研究[J];哈爾濱工程大學(xué)學(xué)報(bào);1999年04期

4 江雷,陳賢富;一種衡量TSP問(wèn)題種群多樣性的新方法[J];微電子學(xué)與計(jì)算機(jī);2004年08期

5 申元霞;王國(guó)胤;曾傳華;;PSO模型種群多樣性與學(xué)習(xí)參數(shù)的關(guān)系研究[J];電子學(xué)報(bào);2011年06期

6 單兵;倪世宏;查翔;;基于適應(yīng)度方差度量種群多樣性的GEP算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2013年09期

7 路景;周春艷;;基于種群多樣性評(píng)價(jià)的自適應(yīng)遺傳算法[J];計(jì)算機(jī)仿真;2008年02期

8 李國(guó);徐晨;吳延科;;全局收斂的PSO算法的種群多樣性特征[J];計(jì)算機(jī)應(yīng)用與軟件;2008年05期

9 張曉繢,戴冠中,徐乃平;遺傳算法種群多樣性的分析研究[J];控制理論與應(yīng)用;1998年01期

10 路景;房明明;;遺傳算法中保持種群多樣性方法研究[J];計(jì)算機(jī)光盤(pán)軟件與應(yīng)用;2012年18期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 馮紀(jì)強(qiáng);謝維信;徐晨;張海峰;;一種基于概率理論的種群多樣性度量模型[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

2 王科俊;何琳;;遺傳算法種群多樣性的分析[A];2001年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2001年

3 于金霞;劉文靜;湯永利;;粒子濾波多樣性測(cè)度分析[A];計(jì)算機(jī)研究新進(jìn)展（2010）——河南省計(jì)算機(jī)學(xué)會(huì)2010年學(xué)術(shù)年會(huì)論文集[C];2010年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 郁書(shū)好;螢火蟲(chóng)優(yōu)化算法研究及應(yīng)用[D];合肥工業(yè)大學(xué);2015年

，

本文編號(hào)：1304225