基于标准萤火虫算法的改进与仿真应用

发布时间：2017-11-20 20:03

  本文关键词：基于标准萤火虫算法的改进与仿真应用

  更多相关文章： 萤火虫算法 自适应惯性权重 相互协作 信息共享 边界变异 工程优化

【摘要】：通过对一种智能优化算法——萤火虫算法的研究,在标准萤火虫算法中引入一种新型的自适应惯性权重来提高算法的收敛速度,并提出用虚拟萤火虫来加强萤火虫之间的相互协作和信息共享,进而改进了萤火虫的位置更新公式。针对算法中萤火虫位置的越界问题和边界早熟问题,引入一种对称边界变异,提高了改进后的算法的寻优率。对6个标准测试函数的实验结果表明:改进后的萤火虫算法的有效性、收敛速度得到了明显的提高。最后对两个经典工程优化问题进行了计算,运用改进后的算法所得的结果优于其它算法所得结果,也验证了萤火虫算法在改进后的适用性。
【作者单位】： 东北林业大学理学院;
【基金】：中央高校基本科研业务费专项资金(DL09BB40)资助
【分类号】：TP18
【正文快照】： 本文受中央高校基本科研业务费专项资金(DL09BB40)资助。1引言2008年剑桥学者Xin-She Yang提出了萤火虫算法(Fire-fly Algorithm,FA)[1],它受启发于自然界中萤火虫的运动,是一种高级启发式算法。大量的实验测试结果表明萤火虫算法对于求解很多类型函数有着显著效果[2]。萤火虫

【相似文献】

中国期刊全文数据库 前10条

1 刘江华;戴新喜;白似雪;;基于模式矩阵的P_Matrix算法[J];南昌大学学报(理科版);2007年05期

2 陈焕文,谢丽娟,谢建平;一类值函数激励学习的遗忘算法[J];计算机研究与发展;2001年04期

3 杜荣华;姚刚;吴泉源;;蚁群算法在移动Agent迁移中的应用研究[J];计算机研究与发展;2007年02期

4 殷苌茗,陈焕文,谢丽娟;激励学习的广义平均算法及其收敛性[J];计算机工程与应用;2002年20期

5 段海滨;王道波;于秀芬;;蚁群算法的研究现状及其展望[J];中国工程科学;2007年02期

6 郑松;侯迪波;周泽魁;;动态调整选择策略的改进蚁群算法[J];控制与决策;2008年02期

7 马知也;施秋红;;猫群算法研究综述[J];甘肃广播电视大学学报;2014年02期

8 李娜;雷秀娟;;细菌觅食优化算法的研究进展[J];计算机技术与发展;2014年08期

9 拓守恒;;一种基于人工蜂群的高维非线性优化算法[J];微电子学与计算机;2012年07期

10 田炳丽;刘常波;解贵新;;旋转货架拣选作业优化的交叉蚁群算法求解[J];现代电子技术;2008年12期

中国重要会议论文全文数据库 前1条

1 王国胜;孙东红;;变步长LMS算法工程应用的探讨[A];江西省航空学会结构强度专业学术研讨会论文集[C];2012年

中国博士学位论文全文数据库 前7条

1 邱剑锋;人工蜂群算法的改进方法与收敛性理论的研究[D];安徽大学;2014年

2 寇晓丽;群智能算法及其应用研究[D];西安电子科技大学;2009年

3 吴擎;基于模式搜索的类电磁机制算法研究与应用[D];华中科技大学;2013年

4 宁爱平;人工蜂群算法及其在语音识别中的应用研究[D];太原理工大学;2013年

5 赵晶;量子行为粒子群优化算法及其应用中的若干问题研究[D];江南大学;2013年

6 马颖;基于量子计算理论的优化算法研究[D];西北工业大学;2014年

7 郑文斌;基于协作传输的群智能无线传感器网节点部署研究[D];哈尔滨工业大学;2014年

中国硕士学位论文全文数据库 前10条

1 张路奇;基于改进蚁群算法的WSN路由协议的研究[D];中国地质大学(北京);2015年

2 王晓晨;入侵杂草优化算法的应用与改进[D];长安大学;2015年

3 李卓s，

本文编号：1208323