螢火蟲優(yōu)化算法（Firefly Algorithm FA）是群智能優(yōu)化算法領(lǐng)域中一種比較新穎的優(yōu)化方法,它是模擬螢火蟲發(fā)光的生物特性表現(xiàn)出來的社會行為而設(shè)計的隨機(jī)優(yōu)化算法。因其結(jié)構(gòu)簡單,需要調(diào)節(jié)的參數(shù)較少,以及具有較好的尋優(yōu)搜索能力而受到國內(nèi)外學(xué)者的關(guān)注,目前廣泛應(yīng)用在工程、計算機(jī)、管理、經(jīng)濟(jì)以及生物等領(lǐng)域。然而,螢火蟲優(yōu)化算法難以避免基于群體搜索的隨機(jī)優(yōu)化算法所具有的通病和缺陷,主要表現(xiàn)在算法在運行后期收斂速度較慢、早熟收斂、易陷于局部最優(yōu)等,從而導(dǎo)致求解精度不高等。本文針對以上問題展開研究,對螢火蟲優(yōu)化算法在種群初始化、種群進(jìn)化、種群多樣性等方面進(jìn)行了改進(jìn),并且將其應(yīng)用在聚類中。主要工作安排如下:（1）對傳統(tǒng)螢火蟲算法提出如下改進(jìn):傳統(tǒng)螢火蟲算法采用隨機(jī)方法生成初始種群,容易造成初始種群不均勻,不利于求解最優(yōu)值,針對該問題,采用混沌優(yōu)化策略中的邏輯自映射產(chǎn)生混沌序列對螢火蟲個體位置進(jìn)行初始化,使初始種群更均勻,提高種群多樣性;其次,在算法進(jìn)化過程中引入慣性權(quán)重,控制前代個體對后代個體的影響,并利用最優(yōu)個體的引導(dǎo)加強(qiáng)個體之間的信息共享;然后,加入高斯變異操作,在迭代后期對可能會陷入局... 

【文章來源】：江蘇科技大學(xué)江蘇省

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

隨機(jī)種群初始化

圖 3.2 基于混沌優(yōu)化策略的種群初始化Fig. 3.2 Population initialization based on Chaos Optimization Strategy從圖 3.1 和圖 3.2 的初始化種群分布對比可以看出，采用混沌優(yōu)化策略的初始種群，種群分布的均勻性要明顯優(yōu)于采用隨機(jī)策略的初始化種群。3.3基于慣性權(quán)重的進(jìn)化計算模型由式（2.2）可知，隨著種群的持續(xù)迭代，個體之間距離不斷減小，個體間的相對吸引力逐漸增大，降低了算法的局部搜索能力。式（2.4）中加入了帶有特定系數(shù)的隨機(jī)項，加大了搜索范圍，避免算法過早陷入局部最優(yōu)，在指定精度的情況下，算法往往要進(jìn)行更多次尋優(yōu)方可滿足條件，這樣如果對于迭代次數(shù)也被指定時，原始算法則不可能達(dá)到預(yù)期的目標(biāo)。為了提高算法的局部搜索和全局搜索能力，在公式（2.4）中引入慣性權(quán)重 ，并增加種群中最優(yōu)個體對其他個體的牽引作用。改進(jìn)的位置更新公式如式（3.3）所示：( 1) ( ) ( ) ( )( ( ) ( ))( 1/2) ( ) ( ( ) ( ))j j ij ij i jbest jx t t x t r x t x trand t rand x t x t (3.3)式中

圖 3.3 未執(zhí)行種群變異操作的種群分布Fig. 3.3 Population distribution without the operation of population variatio圖 3.4 進(jìn)行種群變異操作的種群分布Fig. 3.4 Population distribution based on population variation operation.3 和圖 3.4 圈出的紅色區(qū)域?qū)Ρ瓤梢钥闯�，圖 3.3 中被圈出的點

【參考文獻(xiàn)】：
期刊論文
[1]螢火蟲算法優(yōu)化SVR參數(shù)在短期電力負(fù)荷預(yù)測中的應(yīng)用[J]. 唐宏,馮平,陳鏡伯,陳杰睿,朱建疆.  西華大學(xué)學(xué)報(自然科學(xué)版). 2017(01)
[2]基于區(qū)域的圖像檢索算法[J]. 裴志松,唐昌華.  科技視界. 2015(18)
[3]粒子群優(yōu)化算法的邊界變異策略比較研究[J]. 宋莉,鄧長壽,曹良林.  計算機(jī)工程. 2015(03)
[4]基于改進(jìn)多目標(biāo)螢火蟲算法的模糊聚類[J]. 朱書偉,周治平,張道文.  計算機(jī)應(yīng)用. 2015(03)
[5]基于最優(yōu)類中心擾動的螢火蟲聚類算法[J]. 趙杰,雷秀娟,吳振強(qiáng).  計算機(jī)工程與科學(xué). 2015(02)
[6]基于螢火蟲算法的分布式風(fēng)電源優(yōu)化配置[J]. 倪健,黃紅程,顧潔,方陳.  華東電力. 2014(10)
[7]單純形法的改進(jìn)螢火蟲算法及其在非線性方程組求解中的應(yīng)用[J]. 莫愿斌,馬彥追,鄭巧燕,袁偉軍.  智能系統(tǒng)學(xué)報. 2014(06)
[8]混合蛙跳細(xì)菌覓食的和聲搜索算法及圖像應(yīng)用[J]. 劉立群,火久元,王聯(lián)國,韓俊英.  計算機(jī)科學(xué)與探索. 2015(01)
[9]基于螢火蟲算法的集裝箱碼頭前沿協(xié)同調(diào)度研究[J]. 陳文.  港口裝卸. 2014(03)
[10]基于螢火蟲算法的互信息醫(yī)學(xué)圖像配準(zhǔn)[J]. 杜曉剛,黨建武,王陽萍,劉新國,李莎.  計算機(jī)科學(xué). 2013(07)

博士論文
[1]螢火蟲優(yōu)化算法研究及應(yīng)用[D]. 郁書好.合肥工業(yè)大學(xué) 2015
[2]細(xì)菌覓食優(yōu)化算法的改進(jìn)及應(yīng)用研究[D]. 胡潔.武漢理工大學(xué) 2012
[3]基于群體智能的聚類分析[D]. 曲建華.山東師范大學(xué) 2010
[4]求解規(guī)劃、聚類和調(diào)度問題的混合粒子群算法研究[D]. 張長勝.吉林大學(xué) 2009
[5]聚類分析中若干關(guān)鍵技術(shù)及其在電信領(lǐng)域的應(yīng)用研究[D]. 牛琨.北京郵電大學(xué) 2007

碩士論文
[1]螢火蟲算法的研究與應(yīng)用[D]. 高偉明.蘭州大學(xué) 2013
[2]基于云和聲搜索算法的知識即服務(wù)組合優(yōu)化研究[D]. 尹道明.合肥工業(yè)大學(xué) 2013
[3]蛙跳螢火蟲算法及其在含風(fēng)電場的電力系統(tǒng)調(diào)度中的應(yīng)用[D]. 李洋.華東理工大學(xué) 2013
[4]螢火蟲算法研究及其在水下潛器路徑規(guī)劃中的應(yīng)用[D]. 董靜.哈爾濱工程大學(xué) 2013



本文編號：2962217