具有全局收敛性的改进萤火虫优化算法

摘要：

对萤火虫优化(Glowworm swarm optimization,GSO)算法全局收敛性及其改进算法性能进行了研究.分析了GSO全局收敛性,针对其收敛效率低的缺陷,提出了一种基于族群划分的改进GSO算法,借鉴混合蛙跳算法思想,将萤火虫群体进行族群划分,局部搜索及全局信息交换的方式改善了算法性能,通过引入萤火虫移动组元概念,改进了萤火虫更新策略,在此基础上,利用混沌优化技术,对萤火虫群体进行初始化,使得算法获得较高质量的初始解群体,并证明了改进算法以概率1收敛于全局最优,最后,采用经典测试函数进行测试,仿真结果表明,改进的萤火虫优化算法在收敛速度及求解精度上有明显改善.

关键词：人工智能、萤火虫优化算法、混合蛙跳算法、混沌优化、全局收敛性

所属期刊栏目：13

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2013-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2991-2996