基于改进萤火虫算法的多模函数优化-计算机应用与软件.pdfVIP

第３１卷第１期　　　 计算机应用与软件 Ｖｏｌ３１Ｎｏ．１ ２０１４年１月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊａｎ．２０１４ 基于改进萤火虫算法的多模函数优化 吴伟民　亢少将　林志毅　郭　涛 （广东工业大学计算机学院　广东广州５１０００６） 摘　要　　为了提高萤火虫算法ＧＳＯ（ＧｌｏｗｗｏｒｍＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ）多模函数优化性能，针对ＧＳＯ峰值发现率低、收敛速 度慢和求解精度不高的缺点，提出萤火虫个体可自适应搜索峰值且移动步长可变的改进萤火虫算法 ＩＧＳＯ（ＩｍｐｒｏｖｅｄＧｌｏｗｗｏｒｍ ＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ）。ＩＧＳＯ引入尝试性移动策略以增强算法的搜索能力，同时，以邻域平均距离为参考，对个体移动步长 进行调整。采用典型多模函数进行测试，实验结果表明，ＩＧＳＯ峰值发现率高，收敛速度快且求解精度高，比ＧＳＯ具有更优的多模函 数优化性能。 关键词　　ＧＳＯ　ＩＧＳＯ　多模函数　移动步长 中图分类号　ＴＰ１８３　ＴＰ３０１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１４．０１．０７６ ＭＵＬＴＩＭＯＤＡＬＦＵＮＣＴＩＯＮＯＰＴＩＭＩＳＡＴＩＯＮＢＡＳＥＤＯＮＩＭＰＲＯＶＥＤＧＬＯＷＷＯＲＭ ＳＷＡＲＭＯＰＴＩＭＩＳＡＴＩＯＮ ＷｕＷｅｉｍｉｎ　ＫａｎｇＳｈａｏｊｉａｎｇ　ＬｉｎＺｈｉｙｉ　ＧｕｏＴａｏ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒ，ＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ５１０００６，Ｇｕａｎｇｄｏｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｍｕｌｔｉｍｏｄａｌｆｕｎｃｔｉｏｎｏｐｔｉｍｉｓａｔｉｏｎｗｉｔｈｇｌｏｗｗｏｒｍｓｗａｒｍｏｐｔｉｍｉｓａｔｉｏｎ（ＧＳＯ），ａｎｄｔｏｓｏｌｖｅ ｔｈｅｐｒｏｂｌｅｍｓｏｆＧＳＯｉｎｌｏｗｐｅａｋｓｄｉｓｃｏｖｅｒｙｒａｔｅ，ｓｌｏｗｃｏｎｖｅｒｇｅｎｃｅｓｐｅｅｄａｎｄｌｏｗｃｏｍｐｕｔａｔｉｏｎａｌａｃｃｕｒａｃｙ，ｗｅｐｒｏｐｏｓｅａｎｉｍｐｒｏｖｅｄｇｌｏｗｗｏｒｍ ｓｗａｒｍｏｐｔｉｍｉｓａｔｉｏｎ（ＩＧＳＯ），ｉｎｗｈｉｃｈｔｈｅｉｎｄｉｖｉｄｕａｌｇｌｏｗｗｏｒｍ（ａｇｅｎｔ）ｃａｎａｄａｐｔｉｖｅｌｙｓｅａｒｃｈｔｈｅｐｅａｋｓ，ａｎｄｉｔｓｍｏｖｉｎｇｓｔｅｐｉｓｖａｒｉａｂｌｅ．Ｔｈｅ ＩＧＳＯｉｎｔｒｏｄｕｃｅｓｔｈｅｔｅｎｔａｔｉｖｅｍｏｖｉｎｇｓｔｒａｔｅｇｙｔｏｅｎｈａｎｃｅｔｈｅｓｅａｒｃｈｉｎｇａｂｉｌｉｔｙｏｆｔｈｅａｌｇｏｒｉｔｈｍ，ａｎｄｍｅａｎｔｉｍｅｉｔｕｓｅｓａｖｅｒａｇｅｎｅｉｇｈｂｏｕｒｈｏｏｄ ｄｉｓｔａｎｃｅａｓｔｈｅｒｅｆｅｒｅｎｃｅｔｏａｄｊｕｓｔａｇｅｎｔ’ｓｍｏｖｉｎｇｓｔｅｐ．ＴｈｅｒｅｓｕｌｔｓｏｆｅｘｐｅｒｉｍｅｎｔｏｎｔｙｐｉｃａｌｍｕｌｔｉｍｏｄａｌｆｕｎｃｔｉｏｎｓｉｎｄｉｃａｔｅｔｈａｔｔｈｅＩＧＳＯｉｓ ｓｕｐｅｒｉｏｒｔｏＧＳＯｉｎｍｕｌｔｉｍｏｄａｌｆｕｎｃｔｉｏｎｏｐｔｉｍｉｓａｔｉｏｎｗｉｔｈｈｉｇｈｐｅａｋｓｄｉｓｃｏｖｅｒｙｒａｔｅ，ｆａｓｔｃｏｎｖｅｒｇｅｎｃｅｓｐｅｅｄａｎｄｈｉｇｈｃｏｍｐｕｔａｔｉｏｎａｌａｃｃｕｒａｃｙ． Ｋｅｙｗｏｒｄｓ　　ＧＳＯ　ＩＧＳＯ　Ｍｕｌｔｉｍｏｄａｌｆｕｎｃｔｉｏｎ　Ｍｏｖｉｎｇｓｔｅｐ 有定量的荧光素值，荧光素值和个体所在的位置相关，即荧光素 ０　引　言 值与函数值大小联系。首先，计算每个个体的荧光素值；然后， 每个个体在感知范围内选择比自己荧光素值高的个体组成邻域 多模函数又称多峰函数，指有多个峰值点的函数，这些峰值