改进萤火虫算法及其在全局优化问题中的应用

发布时间：2018-02-16 11:08

  本文关键词： 萤火虫算法 随机分布 元启发式算法 随机性算法 全局优化 模拟退火算法 粒子群算法 差分进化算法　出处：《哈尔滨工程大学学报》2017年04期 　论文类型：期刊论文

【摘要】：针对标准萤火虫算法容易陷入局部最优的问题,本文提出一种改进的萤火虫算法。在标准萤火虫算法的位置移动公式中,利用指数分布和韦伯分布对吸引力项进行改进,以增强算法的全局探测能力;同时利用步长单调递减模式对随机项进行改进,以增强算法后期的局部挖掘能力。通过13个测试函数对本文提出的改进算法、模拟退火算法、粒子群算法和差分进化算法进行算法性能的比较。实验结果表明,本文提出的改进算法能较好地平衡算法的全局探测能力和局部挖掘能力,使算法跳出局部最优,从而提高算法的收敛速度和精度。
[Abstract]:In order to solve the problem that standard firefly algorithm is easy to fall into local optimum, an improved firefly algorithm is proposed in this paper. In the position movement formula of standard firefly algorithm, the attraction term is improved by exponential distribution and Weber distribution. In order to enhance the global detection ability of the algorithm, and at the same time to improve the random term by the monotone decreasing model of step size, to enhance the local mining ability of the algorithm in the later stage of the algorithm, the improved algorithm, simulated annealing algorithm, is proposed by 13 test functions. The experimental results show that the proposed improved algorithm can balance the global detection ability and the local mining ability of the algorithm and make the algorithm jump out of the local optimum. In order to improve the convergence speed and accuracy of the algorithm.
【作者单位】： 哈尔滨工程大学动力与能源工程学院;海军驻哈尔滨汽轮机厂有限责任公司军事代表室;哈尔滨工程大学自动化学院;Design
【基金】：国家自然科学基金项目(51109041,51009036)
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 齐洁;汪定伟;;极值优化算法综述[J];控制与决策;2007年10期

2 孙骞;张进;王宇翔;;蚁群算法优化策略综述[J];信息安全与技术;2014年02期

3 胡娟,王常青,韩伟,全智;蚁群算法及其实现方法研究[J];计算机仿真;2004年07期

4 李金汉;杜德生;;一种改进蚁群算法的仿真研究[J];自动化技术与应用;2008年02期

5 李修琳;鲁建厦;柴国钟;汤洪涛;;混合蜂群算法求解柔性作业车间调度问题[J];计算机集成制造系统;2011年07期

6 秦全德;程适;李丽;史玉回;;人工蜂群算法研究综述[J];智能系统学报;2014年02期

7 李豆豆;邵世煌;齐金鹏;;生存迁移算法[J];系统仿真学报;2008年08期

8 曹炬;贾红;李婷婷;;烟花爆炸优化算法[J];计算机工程与科学;2011年01期

9 刘晓勇;付辉;;一种快速AP聚类算法[J];山东大学学报(工学版);2011年04期

10 王圣尧;王凌;方晨;许烨;;分布估计算法研究进展[J];控制与决策;2012年07期

相关会议论文 前2条

1 朱双东;艾智斌;阎夏;;BP网络学习算法的改进方案探析[A];1998年中国智能自动化学术会议论文集（上册）[C];1998年

2 唐乾玉;陈翰馥;韩曾晋;;串行生产线的参数优化[A];1994年中国控制会议论文集[C];1994年

相关博士学位论文 前2条

1 王可心;大规模过程系统非线性优化的简约空间理论与算法研究[D];浙江大学;2008年

2 傅启明;强化学习中离策略算法的分析及研究[D];苏州大学;2014年

相关硕士学位论文 前10条

1 马英钧;基于人工蜂群算法的约束优化问题研究[D];华中师范大学;2015年

2 孙方亮;基于粒子群与中心引力的一种新混合算法及应用[D];西安电子科技大学;2014年

3 张德祥;基于改进蚁群算法的机器人三维路径规划研究[D];青岛科技大学;2015年

4 卢协平;联盟竞赛算法的研究与应用[D];福州大学;2014年

5 代水芹;基于种群分解的进化超多目标算法及其应用[D];广东工业大学;2016年

6 李倩;支持张量机的切平面算法研究[D];华南理工大学;2016年

7 姚洪曼;基于改进人工蜂群算法的模糊聚类研究[D];广西大学;2016年

8 丁亚英;基于局部搜索和二进制的改进人工蜂群算法[D];南京师范大学;2016年

9 杨杰;基于粒子群优化算法的不确定聚类技术研究[D];北方民族大学;2016年

10 周雨鹏;基于鸽群算法的函数优化问题求解[D];东北师范大学;2016年

，

本文编号：1515368