基于混沌優(yōu)化和VFSA的螢火蟲算法研究與應用.pdf

1、智能優(yōu)化算法領域是近些年剛剛興起的領域，引起了學者們的廣泛關注，在這領域之中，群智能優(yōu)化算法可以說是其重點的研究方向;群智能優(yōu)化是一種在對自然界中生物的群體行為的觀察研究下，對昆蟲的覓食和信息交互的過程進行模擬而產生的新型仿生算法，并且利用數(shù)學形式表達出來，目前，學者們經常使用的群智能優(yōu)化算法有粒子群優(yōu)化算法(Particle Swarm Optimization)、蟻群優(yōu)化算法(Ant Colony Optimization)以及狼群

2、優(yōu)化算法(Wolf Pack Algorithm)等。
　　劍橋學者Xin-she Yang，根據(jù)觀察螢火蟲的特性，發(fā)現(xiàn)了其具有互相吸引的行為和發(fā)光的特性，在2008年提出螢火蟲算法(Firefly Algorithm，F(xiàn)A)。該算法是在粒子群算法和蟻群算法之后，提出的一種啟發(fā)式優(yōu)化算法，其主要優(yōu)點是概念相對簡單、應用到的參數(shù)較少、方便使用以及實現(xiàn)。
　　本文在對螢火蟲算法現(xiàn)有研究的基礎上進行進一步的分析驗證，設計出了一種基

3、于混沌優(yōu)化和VFSA算法的螢火蟲算法，采用新型的論證分析方法，進行新算法與傳統(tǒng)型算法的性能對比分析。具體內容如下:
　　(1)本文通過與傳統(tǒng)螢火蟲算法對比分析，研究算法機制，提出算法迭代后期，收斂慢的現(xiàn)象以及出現(xiàn)陷入局部最優(yōu)解的原因。
　　(2)分析對比現(xiàn)有的改進螢火蟲算法，采用層層優(yōu)化的理念，在螢火蟲算法運行的各個步驟上進行細致優(yōu)化，在初始階段，迭代階段，進化尋優(yōu)等階段，采用混沌理論和多種群學習機制思想，VFSA（Very

4、 Fast Simulated Annealing）算法，自適應步長機制等，分階段的使用不同優(yōu)化方法，盡量在保持原有算法進化優(yōu)勢的同時，顯著改善了螢火蟲算法的全局尋優(yōu)性能。
　　(3)針對當前螢火蟲算法的缺陷，對傳統(tǒng)算法進行改進后，選取了具有代表性的函數(shù)對該算法進行實驗測試，通過仿真實驗結果顯示，優(yōu)化后的螢火蟲算法性能有了大幅度的提高。
　　(4)將新算法應用于出題組卷算法中，改進組卷算法的出題過程，進一步優(yōu)化了組卷算法的出