全局信息共享的自适应FA算法

J4 ›› 2016, Vol. 38 ›› Issue (6): 1164-1170.

全局信息共享的自适应FA算法

陆克中1,2，孙俊3

(1.池州学院计算机科学系，安徽池州 247100；
2.中国科学技术大学合肥微尺度物质科学国家实验室，安徽合肥230026； 3.江南大学物联网工程学院，江苏无锡 214021)

收稿日期:2015-04-20 修回日期:2015-06-18 出版日期:2016-06-25 发布日期:2016-06-25
基金资助:
国家自然科学基金(61170119)；安徽省自然科学研究项目(KJ2016A514)

An adaptive FA algorithm based on global information sharing

LU Kezhong1,2,SUN Jun3

(1.Department of Computer Science,Chizhou University,Chizhou 247100;
2.Hefei National Laboratory for Physical Sciences at the Microscale,University of Science and Technology of China,Hefei 230026;
3.School of IoT Engineering,Jiangnan University,Wuxi 214021,China)

Received:2015-04-20 Revised:2015-06-18 Online:2016-06-25 Published:2016-06-25

摘要/Abstract

摘要：

针对萤火虫算法FA对于高维复杂问题，收敛速度慢、求解精度低，优化效果不理想等缺点，提出一种基于全局信息共享的自适应FA算法。分别从三个方面对FA算法进行了改进：通过引入群体距离，改进γ值的调节方式，提升算法的自适应调节能力；通过增加过程搜索信息，加强算法的精细化调节能力；通过引入基于全局平均位置信息的量子空间下的δ势阱模式，增强算法的全局搜索能力。最后对几种典型函数的测试结果表明，改进算法在收敛速度与收敛精度上，较其它算法有明显提高。

关键词: 萤火虫算法, 自适应, 全局信息共享, 过程信息更新

Abstract:

The firefly algorithm (FA) for high dimensional problems has some disadvantages, including slow convergence speed, low solving precision and unsatisfactory optimization effect. To overcome these disadvantages, we propose a novel adaptive FA algorithm based on global information sharing. Firstly, an adaptive control for gamma value is designed by the swarm distance. Secondly, the search process information of the firefly algorithm is updated to enhance its adjustment capacity of refinement. Thirdly, the global searching ability is improved by introducing the Delta potential well of the vector subspace based on the global mean location information. Simulation results show that the proposal has better convergence speed and precision than the basic FA and the PSO.

Key words: firefly algorithm;adaptive;global information sharing;process information update

陆克中1,2，孙俊3. 全局信息共享的自适应FA算法[J]. J4, 2016, 38(6): 1164-1170.

LU Kezhong1,2,SUN Jun3. An adaptive FA algorithm based on global information sharing [J]. J4, 2016, 38(6): 1164-1170.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://joces.nudt.edu.cn/CN/

http://joces.nudt.edu.cn/CN/Y2016/V38/I6/1164

[1]	王春丽, 陈善立, 刘素倩, 赵小春. 基于显著性检测器与衰减掩码自注意力模块的声音事件检测和定位研究[J]. 计算机工程与科学, 2026, 48(4): 743-751.
[2]	吕淑静, 娄鹏杰, 彭世全, 赵春龙, 刘运丹, 吕岳. 基于自适应特征融合的低质量钢印字符检测和识别[J]. 计算机工程与科学, 2026, 48(4): 699-708.
[3]	李琼, 漆昌仕, 谢凯. 基于特征增强和自适应多尺度特征融合的场景文本检测[J]. 计算机工程与科学, 2026, 48(4): 689-698.
[4]	王艺焱, 王海荣, 王怡梦, 王文龙. 自适应融合的多模态实体对齐方法[J]. 计算机工程与科学, 2026, 48(2): 372-380.
[5]	张航, 吴俊. 基于改进的PEGASUS模型与自适应纠错机制的双阶段文本摘要方法[J]. 计算机工程与科学, 2026, 48(2): 309-318.
[6]	鲜领, 徐修远, 周凯, 牛颢, 郭际香. 基于新的自适应组合损失函数的肺部气道CT图像分割方法[J]. 计算机工程与科学, 2026, 48(1): 119-132.
[7]	肖剑, 李志斌, 杨进, 程鸿亮, 胡欣. 基于FPGA的低照度图像增强算法的研究与实现[J]. 计算机工程与科学, 2026, 48(1): 98-107.
[8]	杨周灏, 吕方旭, 徐炜遐, 李世杰, 许超龙, 胡小月. 一种面向112 Gbit/s SerDes接收机的前瞻滑动判决反馈均衡器[J]. 计算机工程与科学, 2025, 47(7): 1162-1169.
[9]	曲海成, 张旺, 田鹏飞. 基于改进STN的指针式仪表图像校正方法[J]. 计算机工程与科学, 2025, 47(6): 1097-1105.
[10]	陈楚依, 罗雄飞, 鄢宝彤, 冯宇轩, 马可, 乔颖. 面向多层递归域名系统的自适应缓存管理方法[J]. 计算机工程与科学, 2025, 47(5): 823-831.
[11]	谢斌, 李燕伟, 杨舒敏, 徐燕, 王冠超. 结合图像分解和自稀疏模糊聚类的情感颜色迁移[J]. 计算机工程与科学, 2025, 47(3): 513-523.
[12]	吴智祥, 刘杰, 覃涛, 陈昌盛, 李伟, 杨靖. 多策略改进的精英金豺优化算法[J]. 计算机工程与科学, 2025, 47(10): 1853-1866.
[13]	邵晶波, 宁家鸿, 苏鑫苓. 三维片上网络自适应路由算法研究综述[J]. 计算机工程与科学, 2025, 47(10): 1745-1755.
[14]	任瑞琳, 杨燕. 通道差先验下的自适应高斯函数去雾算法[J]. 计算机工程与科学, 2025, 47(1): 107-118.
[15]	戴春雨, 马廉洁, 蒋涵存, 李红双. 基于多种策略改进的鲸鱼优化算法[J]. 计算机工程与科学, 2024, 46(9): 1635-1647.