启发式算法是当代全局优化算法、智能计算以及软计算的重要组成部分。
这类算法的灵感大多来源于科学家们对自然界多种机构之间交互方式的观察,
其中又以基于种群的启发式搜索算法
[1]
为主。这些算法在使用测试函数进行全
局优化问题试验时,表现出不同的特性
[2]
,这是由其基本原理决定的。粒子群算法
是基于鸟类和鱼类的群居行为提出的
[3]
。蚁群算法于 1992 年提出,源于蚂蚁觅
食过程中的搜索行为
[4]
。布谷鸟算法模拟部分布谷鸟的寄生育雏行为
[5]
,常用于
在性能与全局寻优方面与其它启发式算法进行比较
[6]
。在这类算法中,萤火虫算
法(Firefly Algorithm,FA)在处理多模态全局优化问题上较为有效。
萤火虫算法是一种源于热带萤火虫发光行为的启发式算法
[7]
。该算法的原
理为萤火虫寻找伙伴时的趋光性。萤火虫在空间中会向附近最亮的萤火虫移动,
相互吸引,以此对其位置进行更新
[8]
。目前国内外都对萤火虫算法进行了一定的
研究。文献[9]提出了基于萤火虫算法的新颖图像检索方法,用以提高检索反馈
样本的性能。文献[10]引入多种群技术及权重系数因子来细分萤火虫种群。这
些研究使得萤火虫算法在图像处理、控制优化、生产管理、电力系统、神经网
络训练等领域得到了应用。
但是,萤火虫算法存在着收敛精度低以及容易陷入局部最优等缺点。针对
上述缺陷,研究人员从多个角度对萤火虫算法进行了改进和应用,包括参数、移
动方式、新的吸引策略、算法混合以及算法的学科应用。
为了增加算法的全局搜索能力,文献[11]通过将交叉熵(Cross Entropy,CE)
嵌入萤火虫算法,提出了一种新型的混合元启发式算法。文献[9]在萤火虫算法
中引入相对亮度差异来动态调整其步长,并将改进的萤火虫算法与用户反馈结
果相结合,优化特征选择并对支持向 量 机(Support Vector Machine,SVM)进行
参数寻优,以提高图像检索精度。文献[12]先采用新的吸引度模型来确定被吸引
的萤火虫数量,再设计新的搜索运算符进行优化,用以增强其全局寻优能力。文
献[13]采用部分吸引力模 型和快速吸引力计算策略,用以保留群体多样性并充
分利用个人信息,确保了个人之间的信息共享,提高了收敛精度。文献[14]融合
了粒子群(Particle Swarm Optimization,PSO)算法与萤火虫算法,提出了 3 种新
颖的算子,将混合算法的种群分为两个子种群,分别选择 FA 和 PSO 作为其基本
算法来进行优化过程。该算法通过两个子群体交换信息,以便充分利用 PSO 和
FA 的优点,但整个算法的停滞程度超过了预定义的阈值。
剩余10页未读，继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 4437
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
VIP享7折，此内容立减5.97元 开通VIP
最新资源
- C/C++基本框架及解释
- 使用OpenGL实现透明效果
- java房屋租赁系统源码 房屋房源出租管理系统源码数据库 MySQL源码类型 WebForm
- JAVA的Springboot博客网站源码数据库 MySQL源码类型 WebForm
- c++数字雨实现 c++
- 如何制作MC（需要下载海龟编辑器2.0，下载pyglet==1.5.15）
- JAVA的Springboot小区物业管理系统源码数据库 MySQL源码类型 WebForm
- IMG_20241103_153322.jpg
- Screenshot_2024-11-10-20-33-57-639_com.tencent.tmgp.pubgmhd.jpg
- C#商家会员管理系统源码带微信功能数据库 SQL2008源码类型 WebForm
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
