螢火蟲優(yōu)化算法的研究與改進.pdf

1、螢火蟲優(yōu)化算法(GlowwormSwarmOptimization，GSO)是一種新型的群智能優(yōu)化算法。該算法模擬自然界螢火蟲的發(fā)光特性，通過比較熒光素值的大小達到交流信息的目的，從而實現(xiàn)問題的優(yōu)化。該算法具有參數(shù)較少、操作簡單且穩(wěn)定性較好等優(yōu)點。隨著螢火蟲優(yōu)化算法理論研究的進展，其應(yīng)用也越來越廣泛，逐漸引起了國內(nèi)外諸多學(xué)者的關(guān)注并加入到研究的熱潮之中。但是，該算法的理論研究及應(yīng)用研究剛剛起步，還有許多待改進之處。
　　 本文對

2、螢火蟲優(yōu)化算法的理論基礎(chǔ)、原理和實現(xiàn)方法等進行了詳細的介紹，同時也分析了其存在的優(yōu)缺點，在此基礎(chǔ)上，對螢火蟲優(yōu)化算法進行了改進，提出了兩種改進算法，提高了優(yōu)化能力。本文的主要研究工作包括:
　　 (1)首先對群智能優(yōu)化算法做了概述，介紹了幾種比較常見的優(yōu)化算法;然后對螢火蟲優(yōu)化算法進行研究分析，詳細介紹螢火蟲優(yōu)化算法相關(guān)的理論基礎(chǔ)知識，包括螢火蟲算法的原理，實現(xiàn)步驟，以及目前的研究現(xiàn)狀。
　　 (2)提出可自適應(yīng)搜索的改

3、進螢火蟲算法。將自主隨機搜索和步長自適應(yīng)搜索機制引入螢火蟲優(yōu)化算法。改進算法的螢火蟲個體可以在感知范圍內(nèi)自主尋找較優(yōu)個體，對優(yōu)秀個體的依賴程度減小，另外，通過比較鄰域平均距離的大小，個體的移動步長可以在感知范圍內(nèi)適當調(diào)整，從而降低震蕩現(xiàn)象，提高求解精度。通過實驗結(jié)果的比較分析，改進算法的尋優(yōu)能力更佳。
　　 (3)提出基于捕食搜索策略的螢火蟲和粒子群混合優(yōu)化算法。以捕食搜索作為尋優(yōu)策略，在可自適應(yīng)搜索的改進螢火蟲算法基礎(chǔ)上，融合