烟花算法译文(附件).docVIP

烟花算法（最优化） 摘要：通过观察烟花爆炸得到启示，一种新颖的（novel）蚁群智能算法（称作烟花算法），被提出以解决全局复合函数最优化问题。在烟花算法的提出中，使用了两种爆炸（搜索）进程，同时也设计了保持粒子多样性的机械设置。为了验证FA的性能（validation），用了9个标准测试函数做了大量的实验来比较FA和两个粒子群最优化（PSO）算法的变型，即标准PSO和克隆PSO。实验结果证明了假设的FA无疑胜过那两种PSO变型，不管在集中速度还是解决全局准确度方面。 关键词：自然运算，群智能，烟花算法，粒子群最优化，函数最优化。 1.介绍： 最近几年，群智能（SI）已经在全世界致力于算法问题工作的研究者中变得流行起来。SI算法，例如粒子群最优化（PSO），蚁群系统，克隆选择算法和群体机器人等，在解决许多算法问题上都有许多优点。在所有的SI算法中，PSO在研究多维空间的优化选址问题中是一个最流行的算法。在1995年，K和E提出了PSO作为一个能力全局优化算法，由于鸟群的行为使他们受启发。从此以后，PSO就吸引了全世界研究者们的关注，大量的PSO正确性检测也不断提出。 就像PSO，大多数群智能算法是由于自然界一些智能克隆行为的启发。在这篇论文中，由于烟花出现的群体行为的启发，一个新颖的称作烟花算法（FA）的群智能算法被提出用于函数最优化。FA是通过刺激烟花的爆炸进程来呈现和实行的。在F