改进萤火虫算法及其在约束优化中的应用

发布时间：2021-11-20 05:58

　　萤火虫算法（Firefly Algorithm,FA）是一种新型的群智能算法,因其具有结构简单、调节参数少、易于实现等特点,同时具有自动划分子群、独特的吸引机制等优势,使其能够高效的处理优化问题。自萤火虫算法提出后,就引起了大量的学者关注和研究热潮。目前,萤火虫算法已应用在很多领域并取得了成功。然而,与其他群智能算法一样,萤火虫算法也存在着收敛速度慢、寻优结果精度不高、易发生早熟收敛等不足。本文通过分析引起这些不足的原因出发,提出了两种改进算法。主要工作和创新点概括如下:针对萤火虫算法采用固定步长不能满足算法进化过程中的环境变化需求,提出一种结合种群多样性自适应控制步长的萤火虫算法（DASFA）。该算法采用一种非线性递减随机步长,同时以种群多样性作为调节因子,以平衡算法的全局探索和局部搜索的能力。此外,为了应对不同维度的优化问题,将维度调节因子引入随机步长,以适应不同问题的寻优需求。对DASFA进行实验仿真,并与基本萤火虫算法和其他几种类似的改进算法进行对比,验证了DASFA的有效性。考虑到萤火虫每次迭代后缺乏对自身亮度的评估机制,将选择和变异操作引入萤火虫算法,提出一种基于选择变异自... 

【文章来源】：暨南大学广东省 211工程院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

不同值Rastrigin函数多样性变化

Rastrigin 函数的仿真实验表明，较大的步长有利于算法保持较高的种群多样性，增强算法跳出局部最优的能力，但种群多样性过大特别是在算法中后期阶段并不一定表明算法进化顺利。下面以 Sphere 函数为例来分析，图 3-5 和图 3-6 分别显示了 = 时，Sphere 函数寻优的种群多样性和当前最优值随算法迭

图 3-7 不同 值 Sphere 函数种群多样性变化 图 3-8 不同 值 Sphere 函数寻优曲线总结以上关于 Rastrigin 函数和 Sphere 函数的仿真分析，可以得出：（1）种群多样性可在一定程度上反映萤火虫算法进化状态。种群多样性是关于种群密集程度的度量，一般来说，种群多样性较小时，种群分布较密集，说明算法已聚集到最优值附近或陷入局部最优；种群多样性较大时，种群较分散，具有较强的开拓能力，但对于多峰值函数来说，也有可能陷入多个局部极值，算法发生早熟现象。（2）随机步长在萤火虫算法迭代过程中起着重要作用。较大的步长有利于增加种群多样性，增强算法的全局开发能力，帮助算法摆脱局部极值的干扰，而较小的步长有利于降低种群多样性，提高算法的局部搜索能力，但不利于算法快速收敛到全局最优值。（3）保持一定的种群多样性对算法进化至关重要。算法初期，较大的种群多样性表明种群较为分散，有利于找到更多最优值所在区域。随着算法的进行，种群

【参考文献】：
硕士论文
[1]萤火虫算法的改进及其应用研究[D]. 马彦追.广西民族大学 2014



本文编号：3506713