改进飞蛾扑火算法的研究及其应用.pdfVIP

摘要

优化问题广泛存在于各个工程领域，传统的解决此类问题的方法存在计算量大、计算时

间长等缺陷。群智能优化算法因其智能性和本质并行性的特征，在解决优化问题方面表现出

了强大的优势。飞蛾扑火算法作为群智能优化算法的一种，与许多同类算法相比，具有需要

调节的参数少、对运行环境要求低等特点，因此被广泛应用于复杂的工业领域。但随着研究

的深入，飞蛾扑火算法的缺陷也慢慢暴露出来，比如易陷入局部最优、收敛速度慢等。本文

对飞蛾扑火算法进行了深入研究，主要工作包括：

（1）针对标准飞蛾扑火算法易陷入局部最优的缺陷，利用反向学习策略可以扩大算法有

效搜寻空间的优势，对飞蛾进行二维反向学习；同时，将越界重置策略引入算法中，对迭代

过程中超出解空间的个体进行随机重置，避免飞蛾越界导致种群多样性减少；将混沌理论应

用于算法的寻优过程中，通过Tent混沌映射为火焰增加新的位置，提高算法搜索到全局最优

的可能；将三种策略结合后，提出基于反向和映射策略的飞蛾扑火算法（RMMFO）。

（2）针对标准飞蛾扑火算法存在的收敛速度慢的问题，在RMMFO算法的基础上，采用

混沌初始化的方式生成较均匀的初始种群，从而提高初始解的质量；在飞蛾的位置更新公式

中引入自适应权重，搜索前期使螺旋式飞行模式成为指导飞蛾飞行路径的主要因素，搜索后

期火焰位置成为指导飞蛾飞行路径的主要因素，有效的平衡了算法全局和局部搜索能力。将

两种策略融入RMMFO算法中，提出融合多策略飞蛾扑火算法（FMSMFO）。

（3）在多个测试函数上进行仿真实验，检验FMSMFO算法各方面性能。与其他五种优

秀算法对比后发现，FMSMFO算法在对不同类型的函数求解时，都拥有更高的求解精度，更

快的求解速度。

（4）将FMSMFO算法应用到阵列方向图中，通过对阵列天线进行低副瓣、深零点优化，

验证了FMSMFO算法可以在工程领域实用，具有一定的创新性。

关键词：飞蛾扑火算法，二维反向学习，越界重置，Tent混沌映射，混沌初始化，自适应权

重，阵列天线综合

ABSTRACT

Optimizationproblemswidelyexistinvariousengineeringfields,andhistoricalmethodsto

solvesuchproblemshavemanydisadvantages,suchaslargeamountofcomputationandlong

computingtime.Becauseofitsintelligenceandessentialparallelism,theswarmintelligence

optimizationalgorithmshowsapowerfuladvantageinsolvingoptimizationproblems.Themoth-

flameoptimizationalgorithmiswidelyusedincomplicatedindustrialfieldsbecauseithasthe

characteristicsoflessparameterstobeadjustedandlowrequirementsforrunningenvironment

comparedwithmanysimilaralgorithms.However,withthedeepeningoftheresearch,thedefectsof

themoth-flameoptimizationalgorithmaregraduallyexposed.Forexample,itisoftentofindalocal

optimalsolutionandtherateoffindingtheresultisslow.Inthispaper,themoth-flameoptimization

algorithmisstudied,andtheworkincl