螢火蟲算法存在著對于初始解分布的依賴性、后期收斂速度慢、易于停滯、早熟和求解精度低等缺陷。本研究在螢火蟲算法引入蝙蝠種群在全局最優(yōu)附近進行更加詳細的局部搜索,以協(xié)助螢火蟲種群進行尋優(yōu);并在尋優(yōu)過程中加強蝙蝠種群與螢火蟲種群的信息交互,協(xié)調(diào)尋優(yōu);最后對全局最優(yōu)個體進行高斯擾動以增加種群的多樣性,從而避免種群陷入局部最優(yōu)解。通過使用6個常見的基準(zhǔn)測試函數(shù)對該算法進行測試,并與其他3種算法(標(biāo)準(zhǔn)粒子群算法、蝙蝠算法、螢火蟲算法)進行對比實驗,結(jié)果表明該混合算法的總體性能優(yōu)于其他3種算法。引入蝙蝠種群對螢火蟲性能有較大提升,改善切實有效。

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 材料與方法
    1.1 蝙蝠算法
    1.2 螢火蟲算法
    1.3 混合算法
    1.4 HBAFA算法流程
2 結(jié)果與分析
    2.1 測試函數(shù)
    2.2 實驗環(huán)境和參數(shù)設(shè)置
    2.3 收斂性分析
    2.4 魯棒性分析
    2.5 成功率比較
    2.6 算法優(yōu)越性分析
3 結(jié)論



本文編號：3905834