求解高维函数的改进萤火虫群优化算法

计算机应用 ›› 2013, Vol. 33 ›› Issue (08): 2253-2256.

求解高维函数的改进萤火虫群优化算法

彭硕¹,²,欧阳艾嘉³,乐光学⁴,贺明华⁵,周旭³,⁴

1. 井冈山大学电子与信息工程学院, 江西吉安 343009;
2. 同济大学软件学院, 上海 200092;
3. 湖南大学信息科学与工程学院, 长沙 410082;
4. 嘉兴学院数理与信息工程学院, 浙江嘉兴 314001;
5. 井冈山大学高等教育研究所, 江西吉安 343009

收稿日期:2013-03-05 修回日期:2013-04-22 出版日期:2013-08-01 发布日期:2013-09-11
通讯作者: 彭硕
作者简介:彭硕(1982-)，男，江西吉安人，讲师，硕士，主要研究方向：计算智能、数据挖掘;
欧阳艾嘉(1978-)，男，湖南娄底人，讲师，博士，主要研究方向：并行计算;
乐光学(1963-)，男，贵州天柱人，教授，博士，主要研究方向：网络技术、信息安全;
贺明华(1980-)，男，江西吉安人，助教，硕士，主要研究方向：教育信息化;
周旭(1985-)，女，江苏宿迁人，讲师，博士，主要研究方向：并行计算。
基金资助:
国家科技支撑计划项目;国家自然科学基金资助项目;浙江省自然科学基金资助项目;浙江省科技计划项目;井冈山大学科研基金资助项目;吉安市科技项目

Improved glowworm swarm optimization algorithm for high-dimensional functions

PENG Shuo¹,²,OUYANG Aijia³,YUE Guangxue⁴,HE Minghua⁵,ZHOU Xu³,⁴

1. College of Electronics and Information Engineering, Jinggangshan University, Ji'an Jiangxi 343009, China
2. School of Software Engineering, Tongji University, Shanghai 200092, China
3. School of Information Science and Engineering, Hunan University, Changsha Hunan 410082, China
4. College of Mathematics, Physics and Information Engineering, Jiaxing University, Jiaxing Zhejiang 314001, China
5. Institute of Higher Education, Jinggangshan University, Ji'an Jiangxi 343009, China

Received:2013-03-05 Revised:2013-04-22 Online:2013-09-11 Published:2013-08-01
Contact: PENG Shuo

摘要/Abstract

摘要： 针对萤火虫群优化(GSO)算法求解高维函数时存在求解精度不高、收敛速度慢等缺点，提出了一种带变异算子和集群觅食行为算子的改进萤火虫群优化算法。该算法使用变异算子来指导离群萤火虫的进化方向，从而提高了离群个体的利用率，改善了算法的整体效率。集群觅食行为算子的加入能使算法对捕捉到的全局最优域进行更进一步的求精，极大地提高了算法的计算精度和收敛速度;同时，该算子有效地防止了算法陷入局部最优值的危险，扩大了算法在后期的全局搜索范围。通过8个典型的基准函数测试，结果表明：改进后萤火虫群优化算法具有更强的全局优化能力和更高的成功率。

关键词: 全局优化, 萤火虫群优化算法, 变异算子, 觅食行为, 高维函数

Abstract: Concerning the low accuracy and convergence of Glowworm Swarm Optimization (GSO) algorithm when resolving high-dimensional functions, an Improved GSO (IGSO) algorithm with mutation operator and foraging behavior was proposed. Using mutation operator to guide the evolution of glow worms which cannot find their peers in the visible range, the proposed algorithm could enhance the utilization of outliers and improve the overall efficiency. The operator with foraging behavior substantially increased the accuracy and convergence speed by searching accurately in the global optimal field captured by the algorithm. In the meantime, the operator could effectively avoid local optimum and enlarge the global search range of the algorithm in the late stage. The experimental results indicate that IGSO has better ability of global optimization and higher success ratio than GSO according to the tests of eight Benchmarks.

Key words: global optimization, Glowworm Swarm Optimization (GSO) algorithm, mutation operator, foraging behavior, high-dimensional function

中图分类号:

TP18

彭硕欧阳艾嘉乐光学贺明华周旭. 求解高维函数的改进萤火虫群优化算法[J]. 计算机应用, 2013, 33(08): 2253-2256.

PENG Shuo OUYANG Aijia YUE Guangxue HE Minghua ZHOU Xu. Improved glowworm swarm optimization algorithm for high-dimensional functions[J]. Journal of Computer Applications, 2013, 33(08): 2253-2256.

参考文献

［1］ISHAQUE K, SALAM Z. A deterministic particle swarm optimization maximum power point tracker for photovoltaic system under partial shading condition ［J］. IEEE Transactions on Industrial Electronics, 2013, 60(8): 3195-3206.

［2］李妮,欧阳艾嘉,李肯立.求解约束优化的改进粒子群优化算法［J］.计算机应用,2012,32(12):3319-3321.

［3］BEHBAHANI S, de SILVA C W. Mechatronic design evolution using bond graphs and hybrid genetic algorithm with genetic programming ［J］. IEEE/ASME Transactions on Mechatronics, 2013, 18(1):190-199.

［4］王娜,向凤红,毛剑琳.改进的自适应遗传算法求解0/1背包问题［J］.计算机应用,2012,32(6):1682-1684.

［5］徐晓晴, 朱庆保. 动态环境下基于多人工鱼群算法和避碰规则库的机器人路径规划［J］. 电子学报, 2012, 40(8): 1694-1700.

［6］邓涛,姚宏,杜军.多峰函数优化的改进人工鱼群混合算法［J］.计算机应用,2012,32(10):2904-2910.

［7］KRISHNANAND K N, GHOSE D. Glowworm swarm optimisation: a new method for optimising multi-modal functions ［J］. International Journal of Computational Intelligence Studies, 2009, 1(1): 93-119.

［8］欧阳喆,周永权.自适应步长萤火虫优化算法［J］.计算机应用,2011,31(7):1804-1807.

［9］KRISHNANAND K N, GHOSE D. Theoretical foundations for rendezvous of glowworm-inspired agent swarms at multiple locations ［J］. Robotics and Autonomous Systems,2008,56(7):549-569.

［10］MANNAR S, OMKAR S N. Space suit puncture repair using a wireless sensor network of micro-robots optimized by glowworm swarm optimization ［J］. Journal of Micro-Nano Mechatronics, 2011,6(3/4):47-58.

［11］周永权，黄正新.求解TSP的人工萤火虫群优化算法［J］.控制与决策,2012,27(2):1816-1821.

［12］周永权,黄正新,刘洪霞.求解TSP问题的离散型萤火虫群优化算法［J］. 电子学报,2012,(06):1164-1170.

［13］LIAO W-H, KAO Y, LI Y-S. A sensor deployment approach using glowworm swarm optimization algorithm in wireless sensor networks ［J］. Expert Systems with Applications, 2011,38(10): 12180-12188.

［14］SENTHILNATH J, OMKAR S N, MANI V, et al. Hierarchical clustering algorithm for land cover mapping using satellite images ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2012,5(3):762-768.

［15］WU B, QIAN C H, NI W H, et al. The improvement of glowworm swarm optimization for continuous optimization problems［J］. Expert Systems with Applications, 2012,39(7): 6335-6342.

[1]	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.
[2]	冉家敏, 倪志伟, 彭鹏, 朱旭辉. 考虑空间众包工作者服务质量的任务分配策略及其萤火虫群优化算法求解[J]. 计算机应用, 2021, 41(3): 794-802.
[3]	王博, 刘连生, 韩绍程, 祝世兴. 基于多策略融合的混合多目标蝗虫优化算法[J]. 计算机应用, 2020, 40(9): 2670-2676.
[4]	张架鹏, 倪志伟, 倪丽萍, 朱旭辉, 伍章俊. 基于改进离散人工蜂群算法的同类机调度优化[J]. 计算机应用, 2020, 40(3): 689-697.
[5]	刘宝, 董明刚, 敬超. 改进的排序变异多目标差分进化算法[J]. 计算机应用, 2018, 38(8): 2157-2163.
[6]	解本铭, 韩明明, 张攀, 张威. 飞机牵引车语音识别的动态时间规整优化算法[J]. 计算机应用, 2018, 38(6): 1771-1776.
[7]	王晓静, 彭虎, 邓长寿, 黄海燕, 张艳, 谭旭杰. 基于均匀局部搜索和可变步长的萤火虫算法[J]. 计算机应用, 2018, 38(3): 715-721.
[8]	李巍, 吕乃光, 董明利, 娄小平. 凸松弛全局优化机器人手眼标定[J]. 计算机应用, 2017, 37(5): 1451-1455.
[9]	程勇, 秦丹, 杨光. 针对JavaScript浏览器兼容性的变异测试方法[J]. 计算机应用, 2017, 37(4): 1143-1148.
[10]	罗天洪, 梁爽, 何泽银, 张霞. 基于情景萤火虫算法的机器人路径规划[J]. 计算机应用, 2017, 37(12): 3608-3613.
[11]	杨滨华, 赵高鹏, 刘鲁江, 薄煜明. 基于平移域估计的点云全局配准算法[J]. 计算机应用, 2016, 36(6): 1664-1667.
[12]	黄浩, 唐昊, 周雷, 程文娟. 服务率不确定的单站点传送带给料加工站系统鲁棒优化控制[J]. 计算机应用, 2015, 35(7): 2067-2072.
[13]	汪慎文, 张文生, 秦进, 谢承旺, 郭肇禄. 朴素差分进化算法[J]. 计算机应用, 2015, 35(5): 1333-1335.
[14]	杨石, 王艳玲, 王永利. 云计算环境下基于蜜蜂觅食行为的任务负载均衡算法[J]. 计算机应用, 2015, 35(4): 938-943.
[15]	刘杰, 王玲, 王杉, 冯微, 李文. 基于OLSR协议的最小MPR集选择算法[J]. 计算机应用, 2015, 35(2): 305-308.