具有全局收敛性改进萤火虫优化算法_马小雨.pdfVIP

13 11 2013 4 科 学 技 术 与 工 程 Vol. 13 No. 11 Apr． 2013 第 卷 第 期 年 月 167 1— 1815 (2013)11-2991-06 Science Technology and Engineering  2013 Sci. Tech. Engrg. 具有全局收敛性的改进萤火虫优化算法 马小雨 高继勋 ( ， 451191) 河南工程学院计算机学院 郑州 (Glowworm swarm optimization ，GSO) 。 GSO 摘 要 对萤火虫优化 算法全局收敛性及其改进算法性能进行了研究 分析了 全 ， ， GSO ， ， 局收敛性 针对其收敛效率低的缺陷 提出了一种基于族群划分的改进 算法 借鉴混合蛙跳算法思想 将萤火虫群体进行 ， ， ， ， 族群划分 局部搜索及全局信息交换的方式改善了算法性能 通过引入萤火虫移动组元概念 改进了萤火虫更新策略 在此基 ， ， ， ， 1 础上 利用混沌优化技术 对萤火虫群体进行初始化 使得算法获得较高质量的初始解群体 并证明了改进算法以概率 收敛 ， ， ， ， 于全局最优 最后 采用经典测试函数进行测试 仿真结果表明 改进的萤火虫优化算法在收敛速度及求解精度上有明显 改善。 关键词 人工智能 萤火虫优化算法 混合蛙跳算法 混沌优化 全局收敛性 中图法分类号 TP301. 6 ; 文献标志码 A ， 、 智能优化研究与应用是目前学术界热点之一 主要集中于算法性能分析 算法改进策略及工程应 用等方面， 、 由于自然科学及工程技术领域的很多问题可以归 而与其相关的数学分析 参数设置等方 ， 。 GSO ， ［2］ 结为非线性全局优化问题 因此寻求具有智能特征 面的文章极少 针对 算法收敛性 文献 从理 ， 并适用于大规模并行运算的群优化算法已成为重 论上进行了分析 并通过多峰值函数仿真实验验证 ［1］ ［5］ 。 ， 了算法的性能。文献 参考人类社会分层管理的 要的研究方向 随着智能技术不断的发展 一些 ， ， 新颖的群智能算法被相继提出，如粒子群算法 思想 提出了具有层次结构的萤火虫优化算法 增