萤火虫优化算法的研究与应用
发布时间：2021-01-07 08:10
萤火虫优化算法（Firefly Algorithm FA）是群智能优化算法领域中一种比较新颖的优化方法,它是模拟萤火虫发光的生物特性表现出来的社会行为而设计的随机优化算法。因其结构简单,需要调节的参数较少,以及具有较好的寻优搜索能力而受到国内外学者的关注,目前广泛应用在工程、计算机、管理、经济以及生物等领域。然而,萤火虫优化算法难以避免基于群体搜索的随机优化算法所具有的通病和缺陷,主要表现在算法在运行后期收敛速度较慢、早熟收敛、易陷于局部最优等,从而导致求解精度不高等。本文针对以上问题展开研究,对萤火虫优化算法在种群初始化、种群进化、种群多样性等方面进行了改进,并且将其应用在聚类中。主要工作安排如下:（1）对传统萤火虫算法提出如下改进:传统萤火虫算法采用随机方法生成初始种群,容易造成初始种群不均匀,不利于求解最优值,针对该问题,采用混沌优化策略中的逻辑自映射产生混沌序列对萤火虫个体位置进行初始化,使初始种群更均匀,提高种群多样性;其次,在算法进化过程中引入惯性权重,控制前代个体对后代个体的影响,并利用最优个体的引导加强个体之间的信息共享;然后,加入高斯变异操作,在迭代后期对可能会陷入局...
【文章来源】：江苏科技大学江苏省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
随机种群初始化
图 3.2 基于混沌优化策略的种群初始化Fig. 3.2 Population initialization based on Chaos Optimization Strategy从图 3.1 和图 3.2 的初始化种群分布对比可以看出，采用混沌优化策略的初始种群，种群分布的均匀性要明显优于采用随机策略的初始化种群。3.3基于惯性权重的进化计算模型由式（2.2）可知，随着种群的持续迭代，个体之间距离不断减小，个体间的相对吸引力逐渐增大，降低了算法的局部搜索能力。式（2.4）中加入了带有特定系数的随机项，加大了搜索范围，避免算法过早陷入局部最优，在指定精度的情况下，算法往往要进行更多次寻优方可满足条件，这样如果对于迭代次数也被指定时，原始算法则不可能达到预期的目标。为了提高算法的局部搜索和全局搜索能力，在公式（2.4）中引入惯性权重 ，并增加种群中最优个体对其他个体的牵引作用。改进的位置更新公式如式（3.3）所示：( 1) ( ) ( ) ( )( ( ) ( ))( 1/2) ( ) ( ( ) ( ))j j ij ij i jbest jx t t x t r x t x trand t rand x t x t (3.3)式中
图 3.3 未执行种群变异操作的种群分布Fig. 3.3 Population distribution without the operation of population variatio图 3.4 进行种群变异操作的种群分布Fig. 3.4 Population distribution based on population variation operation.3 和图 3.4 圈出的红色区域对比可以看出，图 3.3 中被圈出的点
【参考文献】：
期刊论文
[1]萤火虫算法优化SVR参数在短期电力负荷预测中的应用[J]. 唐宏,冯平,陈镜伯,陈杰睿,朱建疆. 西华大学学报(自然科学版). 2017(01)
[2]基于区域的图像检索算法[J]. 裴志松,唐昌华. 科技视界. 2015(18)
[3]粒子群优化算法的边界变异策略比较研究[J]. 宋莉,邓长寿,曹良林. 计算机工程. 2015(03)
[4]基于改进多目标萤火虫算法的模糊聚类[J]. 朱书伟,周治平,张道文. 计算机应用. 2015(03)
[5]基于最优类中心扰动的萤火虫聚类算法[J]. 赵杰,雷秀娟,吴振强. 计算机工程与科学. 2015(02)
[6]基于萤火虫算法的分布式风电源优化配置[J]. 倪健,黄红程,顾洁,方陈. 华东电力. 2014(10)
[7]单纯形法的改进萤火虫算法及其在非线性方程组求解中的应用[J]. 莫愿斌,马彦追,郑巧燕,袁伟军. 智能系统学报. 2014(06)
[8]混合蛙跳细菌觅食的和声搜索算法及图像应用[J]. 刘立群,火久元,王联国,韩俊英. 计算机科学与探索. 2015(01)
[9]基于萤火虫算法的集装箱码头前沿协同调度研究[J]. 陈文. 港口装卸. 2014(03)
[10]基于萤火虫算法的互信息医学图像配准[J]. 杜晓刚,党建武,王阳萍,刘新国,李莎. 计算机科学. 2013(07)
博士论文
[1]萤火虫优化算法研究及应用[D]. 郁书好.合肥工业大学 2015
[2]细菌觅食优化算法的改进及应用研究[D]. 胡洁.武汉理工大学 2012
[3]基于群体智能的聚类分析[D]. 曲建华.山东师范大学 2010
[4]求解规划、聚类和调度问题的混合粒子群算法研究[D]. 张长胜.吉林大学 2009
[5]聚类分析中若干关键技术及其在电信领域的应用研究[D]. 牛琨.北京邮电大学 2007
硕士论文
[1]萤火虫算法的研究与应用[D]. 高伟明.兰州大学 2013
[2]基于云和声搜索算法的知识即服务组合优化研究[D]. 尹道明.合肥工业大学 2013
[3]蛙跳萤火虫算法及其在含风电场的电力系统调度中的应用[D]. 李洋.华东理工大学 2013
[4]萤火虫算法研究及其在水下潜器路径规划中的应用[D]. 董静.哈尔滨工程大学 2013
本文编号：2962217
【文章来源】：江苏科技大学江苏省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
随机种群初始化
图 3.2 基于混沌优化策略的种群初始化Fig. 3.2 Population initialization based on Chaos Optimization Strategy从图 3.1 和图 3.2 的初始化种群分布对比可以看出，采用混沌优化策略的初始种群，种群分布的均匀性要明显优于采用随机策略的初始化种群。3.3基于惯性权重的进化计算模型由式（2.2）可知，随着种群的持续迭代，个体之间距离不断减小，个体间的相对吸引力逐渐增大，降低了算法的局部搜索能力。式（2.4）中加入了带有特定系数的随机项，加大了搜索范围，避免算法过早陷入局部最优，在指定精度的情况下，算法往往要进行更多次寻优方可满足条件，这样如果对于迭代次数也被指定时，原始算法则不可能达到预期的目标。为了提高算法的局部搜索和全局搜索能力，在公式（2.4）中引入惯性权重 ，并增加种群中最优个体对其他个体的牵引作用。改进的位置更新公式如式（3.3）所示：( 1) ( ) ( ) ( )( ( ) ( ))( 1/2) ( ) ( ( ) ( ))j j ij ij i jbest jx t t x t r x t x trand t rand x t x t (3.3)式中
图 3.3 未执行种群变异操作的种群分布Fig. 3.3 Population distribution without the operation of population variatio图 3.4 进行种群变异操作的种群分布Fig. 3.4 Population distribution based on population variation operation.3 和图 3.4 圈出的红色区域对比可以看出，图 3.3 中被圈出的点
【参考文献】：
期刊论文
[1]萤火虫算法优化SVR参数在短期电力负荷预测中的应用[J]. 唐宏,冯平,陈镜伯,陈杰睿,朱建疆. 西华大学学报(自然科学版). 2017(01)
[2]基于区域的图像检索算法[J]. 裴志松,唐昌华. 科技视界. 2015(18)
[3]粒子群优化算法的边界变异策略比较研究[J]. 宋莉,邓长寿,曹良林. 计算机工程. 2015(03)
[4]基于改进多目标萤火虫算法的模糊聚类[J]. 朱书伟,周治平,张道文. 计算机应用. 2015(03)
[5]基于最优类中心扰动的萤火虫聚类算法[J]. 赵杰,雷秀娟,吴振强. 计算机工程与科学. 2015(02)
[6]基于萤火虫算法的分布式风电源优化配置[J]. 倪健,黄红程,顾洁,方陈. 华东电力. 2014(10)
[7]单纯形法的改进萤火虫算法及其在非线性方程组求解中的应用[J]. 莫愿斌,马彦追,郑巧燕,袁伟军. 智能系统学报. 2014(06)
[8]混合蛙跳细菌觅食的和声搜索算法及图像应用[J]. 刘立群,火久元,王联国,韩俊英. 计算机科学与探索. 2015(01)
[9]基于萤火虫算法的集装箱码头前沿协同调度研究[J]. 陈文. 港口装卸. 2014(03)
[10]基于萤火虫算法的互信息医学图像配准[J]. 杜晓刚,党建武,王阳萍,刘新国,李莎. 计算机科学. 2013(07)
博士论文
[1]萤火虫优化算法研究及应用[D]. 郁书好.合肥工业大学 2015
[2]细菌觅食优化算法的改进及应用研究[D]. 胡洁.武汉理工大学 2012
[3]基于群体智能的聚类分析[D]. 曲建华.山东师范大学 2010
[4]求解规划、聚类和调度问题的混合粒子群算法研究[D]. 张长胜.吉林大学 2009
[5]聚类分析中若干关键技术及其在电信领域的应用研究[D]. 牛琨.北京邮电大学 2007
硕士论文
[1]萤火虫算法的研究与应用[D]. 高伟明.兰州大学 2013
[2]基于云和声搜索算法的知识即服务组合优化研究[D]. 尹道明.合肥工业大学 2013
[3]蛙跳萤火虫算法及其在含风电场的电力系统调度中的应用[D]. 李洋.华东理工大学 2013
[4]萤火虫算法研究及其在水下潜器路径规划中的应用[D]. 董静.哈尔滨工程大学 2013
本文编号：2962217
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/2962217.html
