论文部分内容阅读
果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)是一类新的全局优化群智能算法。该算法源于对果蝇觅食行为的模拟,算法优点明显,如原理简单、调节参数较少、代码容易实现,还具有很高的收敛速度,因此受到很多的国内外学者关注。但是,目前果蝇优化算法的研究和应用还处于初级阶段,还存在一些不足,如容易早熟收敛,进化后期寻优速度慢。本文针对果蝇算法上存在的不足,通过对果蝇优化算法的基本原理和进化方式等进行了深入的研究分析,对原始果蝇优化算法进行了改进和优化,提出了两种技术改进方案。本文主要研究内容如下:(1)对常见的几种群体智能算法作了简单介绍,总结概括了群体智能的主要运算过程,详细分析了果蝇优化算法的基本原理,算法的参数设置,算法流程及关键代码,对果蝇优化算法的研究现状、应用领域以及存在的问题进行了深入探讨。(2)将模拟退火和交叉因子引入果蝇优化算法中,即在果蝇优化算法寻找最优个体时,引入交叉操作更新个体位置,实现全局最优个体的更新,然后根据模拟退火准则的适应度增量作为判定标准选取进入到下一次迭代的群体成员,继续寻找全局最优解。通过模拟实验对比分析,证明了改进后的果蝇优化算法性能有了明显提高。(3)提出了结合元胞自动机的果蝇优化算法,鉴于上述改进后的算法搜索深度不够,本文又提出了一种基于元胞自动机的果蝇优化算法。一方面,在找寻最优个体时引入了元胞自动机演化挑选进入到下一代的最优个体,实现全局个体比较,避免了陷入局部最优的缺陷;另一方面,引入随机扰动特性,促进果蝇位置的扰动,从而增强搜索种群的多样性。实验结果表明,改进后的算法在收敛性和稳定性上都有较大改进。本论文所提出的两种改进算法有很好的优化特性,通过对标准函数优化问题的试验研究,从理论和算法设计上取得了效果,改进后的两种算法在一定程度上避免了基本果蝇优化算法的容易陷入局部最优和早熟的缺陷,同时为以后的研究提供了算法的分析理论依据。