人工螢火蟲算法的參數(shù)分析與改進(jìn)及其應(yīng)用.pdf

1、人工螢火蟲群優(yōu)化算法(Glowworm Swarm Optimization, GSO)是一種新興的群體智能優(yōu)化算法。由于人工螢火蟲算法最初的提出是用于求解多峰函數(shù)優(yōu)化問題,近幾年來,人工螢火蟲算法在越來越多的領(lǐng)域中得到應(yīng)用,例如有害氣味源定位問題、輻射源同步定位問題、傳感器部署問題等,表現(xiàn)出很強(qiáng)的同步優(yōu)化能力。但縱觀整體發(fā)展?fàn)顩r,人工螢火蟲算法的研究大多屬于其簡單應(yīng)用及部分改進(jìn)方面,而對于影響其性能的參數(shù)設(shè)置方面的研究甚少,如收斂速度

2、、搜索精度與參數(shù)設(shè)置的關(guān)系都有待進(jìn)一步研究。本文研究了人工螢火蟲算法參數(shù)設(shè)置對算法性能的影響,以及有針對性的對算法進(jìn)行改進(jìn),并最終將人工螢火蟲群優(yōu)化算法應(yīng)用于實(shí)際問題。具體的,本文在如下幾個方面取得了有一定創(chuàng)新性的研究成果:
　　(1)參照類似群體智能深厚的參數(shù)設(shè)置理論基礎(chǔ),本文利用正交實(shí)驗(yàn)法分析參數(shù)對基礎(chǔ)人工螢火蟲算法性能的影響,再提出了一種基于里克特量表參數(shù)相關(guān)性分析法對參數(shù)的影響因子進(jìn)行排序,得出移動步長的選擇是影響 GSO

3、算法性能成功與否及性能優(yōu)差的關(guān)鍵因素。
　　(2)人工螢火蟲區(qū)別于其它群智能優(yōu)化算法的關(guān)鍵在于其同時(shí)定位能力。但在具體應(yīng)用中還是存在著許多問題,如易陷入局部最優(yōu)、搜索效率不高等。本文在基本人螢火蟲算法的基礎(chǔ)上,首先通過改進(jìn)螢火蟲鄰居定義方式提出了一種基于鄰居相似度的自適應(yīng)步長改進(jìn)算法,隨后又借助和聲算法產(chǎn)生新解的獨(dú)特方式,改進(jìn)了算法因孤立鄰居負(fù)載不平衡等問題。通過仿真實(shí)驗(yàn)及理論證明,相比于基本 GSO算法,改進(jìn)算法在搜索效率方面得