基于混沌理论的动态种群萤火虫算法

doi:10.3724/SP.J.1087.2013.00796

计算机应用 ›› 2013, Vol. 33 ›› Issue (03): 796-799.DOI: 10.3724/SP.J.1087.2013.00796

基于混沌理论的动态种群萤火虫算法

冯艳红^1*,刘建芹²,贺毅朝¹

1.石家庄经济学院信息工程学院, 石家庄 050031;
2.石家庄信息工程职业学院国际教育部, 石家庄 050035

收稿日期:2012-09-18 修回日期:2012-10-09 出版日期:2013-03-01 发布日期:2013-03-01
通讯作者: 冯艳红
作者简介:冯艳红(1978-),女,河北卢龙人,讲师,硕士,主要研究方向:人工智能; 刘建芹(1966-),女,河北灵寿人,副教授,主要研究方向:智能算法; 贺毅朝(1969-),男,河北晋州人,教授,CCF会员,主要研究方向:智能计算、算法理论、计算机密码学。
基金资助:
河北省高等学校科学技术研究项目(Z2011143); 河北省科学技术研究与发展计划项目(11213593); 河北省自然科学基金资助项目(F2012208016); 河北省高等学校科学研究项目(Q2012153)。

Chaos-based dynamic population firefly algorithm

FENG Yanhong^1*, LIU Jianqin², HE Yichao¹

1.School of Information Engineering, Shijiazhuang University of Economics, Shijiazhuang Hebei 050031, China;
2.Department of International Education, Shijiazhuang Information Engineering Vocational College, Shijiazhuang Hebei 050035, China

Received:2012-09-18 Revised:2012-10-09 Online:2013-03-01 Published:2013-03-01

摘要/Abstract

摘要： 针对萤火虫算法在全局寻优搜索中收敛速度慢、求解精度低,易陷入局部极值区域等缺陷,提出一种基于混沌理论的动态种群萤火虫算法。首先,该算法采用立方映射产生的混沌序列对萤火虫位置进行初始化,为全局搜索的多样性奠定基础; 其次,通过对种群的动态监测,每当算法满足预设条件时,基于混沌序列生成部分新的个体,以提高算法的收敛速度; 最后,对每一代产生的全局最优解,适时采用高斯扰动进行变异操作,使算法更具有跳出局部极小的能力。通过对6个复杂Benchmark函数进行测试,实验结果表明,该算法提高了全局搜索能力、收敛速度和解的精度。

关键词: 萤火虫算法, 混沌, 立方映射, 函数优化

Abstract: The Firefly Algorithm (FA) has a few disadvantages in the global searching, including slow convergence speed, low solving precision and high possibility of being trapped in local optimum. A FA based on chaotic dynamic population was proposed. Firstly, chaotic sequence generated by cube map was used to initiate individual position, which strengthened the diversity of global searching; secondly, through dynamic monitoring of population, whenever the algorithm meets the preset condition, the new population individuals were generated using chaotic sequences, thus effectively improving convergence speed; thirdly, a Gaussian disturbance would be given on the global optimum of each generation, thus the algorithm could effectively jump out of local minima. Based on six complex test functions, the test results show that chaos-based dynamic population FA improves the capacity of global searching optimal solution, convergence speed and computational precision of solution.

Key words: Firefly Algorithm (FA), chaos, cube mapping, function optimization

中图分类号:

TP301.6

冯艳红刘建芹贺毅朝. 基于混沌理论的动态种群萤火虫算法[J]. 计算机应用, 2013, 33(03): 796-799.

FENG Yanhong LIU Jianqin HE Yichao. Chaos-based dynamic population firefly algorithm[J]. Journal of Computer Applications, 2013, 33(03): 796-799.

参考文献

[1]YANG X S. Firefly algorithms for multimodal optimization[C]// SAGA'09: Proceedings of the 5th International Conference on Stochastic Algorithms: Foundations and Applications. Berlin: Springer-Verlag, 2009:169-178.
[2]LUKASIK S, ZAK S. Firefly algorithm for continuous constrained optimization tasks[C]// Computational Collective Intelligence. Semantic Web, Social Networks and Multiagent Systems, LNCS 5796. Berlin: Springer,2009: 97-100.
[3]YANG X S. Firefly algorithm, stochastic test functions and design optimisation[J]. International Journal of Bio-Inspired Computation, 2010,2(2):78-84.
[4]YANG X S. Firefly algorithm, Lévy flights and global optimization[M]. Berlin: Springer,2010: 209-218.
[5]APOSTOLOPOULOS T, VLACHOS A. Application of the firefly algorithm for solving the economic emissions load dispatch problem[J]. International Journal of Combinatorics,2011,2011:Article ID 523806.
[6]CHAI-EAD N, AUNGKULANON P, LUANGPAIBOON P. Bees and firefly algorithms for noisy non-linear optimisation problems [C]// Proceedings of the International MultiConference of Engineers and Computer Scientists. Hongkong:[s.n.],2011,2.
[7]刘长平,叶春明.一种新颖的仿生群智能优化算法:萤火虫算法[J].计算机应用研究,2011,28(9):3295-3297.
[8]胥小波,郑康锋,李丹,等.新的混沌粒子群优化算法[J].通信学报,2012,33(1):24-37.
[9]王凌,刘波.微粒群优化与调度算法[M].北京:清华大学出版社,2008:38-39.
[10]王翔,李志勇,许国艺,等.基于混沌局部搜索算子的人工蜂群算法[J].计算机应用,2012,32(4):1033-1036.
[11]周燕,刘培玉,赵静,等.基于自适应惯性权重的混沌粒子群算法[J].山东大学学报:理学版,2012,47(30):1-6.
[12]黄凯,周永权.带交尾行为的混沌人工萤火虫优化算法[J].计算机科学,2012,39(3):231-234.

[1]	徐丽云, 闫涛, 钱宇华. 基于级联混沌系统的分数域语音加密算法[J]. 计算机应用, 2021, 41(9): 2623-2630.
[2]	汤安迪, 韩统, 徐登武, 谢磊. 混沌精英哈里斯鹰优化算法[J]. 计算机应用, 2021, 41(8): 2265-2272.
[3]	汤安迪, 韩统, 徐登武, 谢磊. 基于混沌麻雀搜索算法的无人机航迹规划方法[J]. 计算机应用, 2021, 41(7): 2128-2136.
[4]	程美英, 钱乾, 倪志伟, 朱旭辉. 信息筛选多任务优化自组织迁移算法[J]. 计算机应用, 2021, 41(6): 1748-1755.
[5]	贾鹤鸣, 姜子超, 李瑶, 孙康健. 基于改进斑点鬣狗优化算法的同步优化特征选择[J]. 计算机应用, 2021, 41(5): 1290-1298.
[6]	李珊珊, 赵莉, 张红丽. 基于猫映射的图像灰度值加密[J]. 计算机应用, 2021, 41(4): 1148-1152.
[7]	孙环, 陈宏滨. 基于萤火虫算法的无线传感器网络节点重部署策略[J]. 计算机应用, 2021, 41(2): 492-497.
[8]	沈子懿, 王卫亚, 蒋东华, 荣宪伟. 基于Hopfield混沌神经网络和压缩感知的可视化图像加密算法[J]. 计算机应用, 2021, 41(10): 2893-2899.
[9]	许秋艳, 马良, 刘勇. 基于混沌搜索和错卦变换的阴阳平衡优化算法[J]. 计算机应用, 2020, 40(8): 2305-2312.
[10]	段宇君, 王耀力, 常青, 刘鑫. 改进型蚁群算法融合混沌优化的pSPIEL算法的无线传感器布局优化[J]. 计算机应用, 2020, 40(3): 793-798.
[11]	贺利芳, 陈俊, 张天骐. 无信号间干扰的相关延迟差分混沌移位键控混沌通信方案[J]. 计算机应用, 2019, 39(7): 2014-2018.
[12]	徐光宪, 王栋. 基于混沌加密对抗窃听的安全网络编码方案[J]. 计算机应用, 2019, 39(5): 1374-1377.
[13]	张刚, 黄南飞, 张天骐. 多用户正交相关延迟键控方案性能分析[J]. 计算机应用, 2019, 39(5): 1425-1428.
[14]	沈莹, 黄樟灿, 谈庆, 刘宁. 基于动态压力控制算子的磷虾群算法[J]. 计算机应用, 2019, 39(3): 663-667.
[15]	刘晓明, 沈明玉, 侯整风. 基于Levy飞行的萤火虫模糊聚类算法[J]. 计算机应用, 2019, 39(11): 3257-3262.

基于混沌理论的动态种群萤火虫算法

Chaos-based dynamic population firefly algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics