動(dòng)態(tài)搜索煙花算法的研究與應(yīng)用.pdf

1、在工程設(shè)計(jì)、科學(xué)研究和軍事管理等眾多領(lǐng)域中常常都會(huì)涉及到很多的最優(yōu)化問題，最優(yōu)化問題在人們的日常生產(chǎn)生活實(shí)踐中也幾乎無處不在，如物流方面、家庭理財(cái)方面等等。從通俗意義上來講最優(yōu)化問題是指在眾多可行的方案中尋找出滿足特定要求的最好的方案。為了解決這類問題，學(xué)者們研究出了各種不同的優(yōu)化方法，如牛頓法、最小二乘法、梯度下降法和拉格朗日乘數(shù)法等等。但是隨著生產(chǎn)技術(shù)的發(fā)展和人類實(shí)踐活動(dòng)的增多，人們在實(shí)際生活中遇到的很多優(yōu)化問題越來越來復(fù)雜，如強(qiáng)約

2、束性、多極化等等，早期的傳統(tǒng)優(yōu)化方法已經(jīng)無法滿足需求了。因此，尋找面向復(fù)雜優(yōu)化問題且具有智能特性的新型優(yōu)化方法成為一種迫切需要。在20世紀(jì)50年代中期，人們從社會(huì)性動(dòng)物的群體行為中得到啟發(fā)，成功地提出了很多用于解決一些復(fù)雜的優(yōu)化問題的隨機(jī)型優(yōu)化算法，如粒子群算法、遺傳算法、蜂群算法等。而且這些群智能優(yōu)化算法在解決復(fù)雜的優(yōu)化問題時(shí)表現(xiàn)出很大的潛力，具有很強(qiáng)的適應(yīng)性和魯棒性等等。
　　煙花算法(Fireworks Algorithm，

3、FWA)是近幾年發(fā)展起來的一種新興的全局優(yōu)化群智能算法。該算法是由譚營教授等人在2010年提出的，其主要思想來源于夜空中煙花爆炸產(chǎn)生火花這一自然現(xiàn)象的模擬。由于煙花算法優(yōu)點(diǎn)明顯，收斂速度快，容易實(shí)現(xiàn)還具有爆發(fā)性、多樣性、簡單性和隨機(jī)性等特點(diǎn)，逐漸受到國內(nèi)外眾多研究者的廣泛關(guān)注，也成為近年來的一個(gè)熱門研究方向。煙花算法不僅用于解決優(yōu)化問題，在實(shí)際工程中的應(yīng)用也表現(xiàn)出強(qiáng)大的潛力，目前已經(jīng)被應(yīng)用于圖像分割、旅行商問題、0/1背包問題、配電網(wǎng)重

4、構(gòu)優(yōu)化和濾波器設(shè)計(jì)等眾多領(lǐng)域中。但現(xiàn)階段對(duì)煙花算法的研究和應(yīng)用還是很初步的，在有些方面還很膚淺，如子煙花間的交互機(jī)制的研究、動(dòng)態(tài)優(yōu)化問題的求解等，另外，煙花算法還存在一些不足，如尋優(yōu)精度較低且容易陷入局部最優(yōu)。因此，對(duì)煙花算法的改進(jìn)和應(yīng)用領(lǐng)域的拓展成了一個(gè)研究熱點(diǎn)。
　　首先，本文對(duì)煙花算法的一種改進(jìn)算法即動(dòng)態(tài)搜索煙花算法(Dynamic SearchFireworks Algorithm，dynFWA)的進(jìn)化方式進(jìn)行了研究分析，

5、對(duì)算法進(jìn)行了改進(jìn)，提出了一種具有學(xué)習(xí)因子和自適應(yīng)趨向性的動(dòng)態(tài)搜索煙花算法，稱為改進(jìn)的動(dòng)態(tài)搜索煙花算法(Improved Dynamic Search Fireworks Algorithm，IdynFWA)。改進(jìn)算法中的學(xué)習(xí)因子充分利用搜索過程中歷史成功信息，使得煙花個(gè)體能夠向群體中的“優(yōu)良”搜索信息學(xué)習(xí)，從而可以自適應(yīng)調(diào)整大小，并且學(xué)習(xí)因子的兩種不同產(chǎn)生方式有助于平衡算法的局部搜索和全局搜索能力。為了證明本文所提出的改進(jìn)算法的優(yōu)化特性

6、和有效性，文中對(duì)改進(jìn)算法、基本算法以及其他代表性算法進(jìn)行了一組優(yōu)化問題的國際標(biāo)準(zhǔn)測試函數(shù)的實(shí)驗(yàn)仿真，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比分析，結(jié)果表明改進(jìn)的動(dòng)態(tài)搜索煙花算法在一定程度上避免了基本算法的容易早熟收斂的缺陷，并且尋優(yōu)精度也有所提高。
　　其次，通過將動(dòng)態(tài)搜索煙花算法應(yīng)用到特征選擇（也稱為特征提?。┑淖蛹蛇^程中，提出了基于動(dòng)態(tài)搜索煙花算法的特征選擇方法。特征選擇是指從一個(gè)完整的原始數(shù)據(jù)特征集合中選擇出最優(yōu)特征子集的過程，并且通過特定

7、的評(píng)價(jià)標(biāo)準(zhǔn)去評(píng)估所選特征子集的優(yōu)劣性。特征選擇在機(jī)器學(xué)習(xí)、模式識(shí)別和數(shù)據(jù)挖掘等諸多領(lǐng)域中有著很廣泛的應(yīng)用，其也是影響分類器分類效果的關(guān)鍵問題之一。該方法在子集生成階段結(jié)束時(shí)產(chǎn)生的最終可行解的每一維是0/1整數(shù)編碼，0和1代表其所對(duì)應(yīng)特征是否被選擇。接著，用分類錯(cuò)誤率作為適應(yīng)度函數(shù)來評(píng)估所選特征子集的優(yōu)劣，適應(yīng)度函數(shù)值越小即分類錯(cuò)誤率越小，說明當(dāng)前所選的特征子集越好。因此，選取最優(yōu)特征子集就是尋找使適應(yīng)度函數(shù)（分類錯(cuò)誤率）取得最小值的可行