下载文档原格式
摘要萤火虫算法(Firefly Algorithm,FA)是受自然界中的萤火虫通过荧光进行信息交流这种群体行为的启发演变而来。
它是由剑桥大学的Xin-She Y ang教授在2009年提出的，它作为一种新颖的仿生群智能优化算法，有较大的研究空间。
近几十年来随着越来越多的仿生群智能算法的提出，人们对于这些算法的认识和研究也逐步加深。
本文先介绍群智能优化算法的理论概念，然后着重通过对萤火虫算法仿生原理的了解，从数学的角度对萤火虫算法进行合理的描述和过程的定义，最后编写该算法的matlab代码实现对3个峰值函数进行仿真测试，得出其测试结果。
同时用遗传算法对同样的测试函数也进行仿真测试，得出其测试结果。
最后通过测试结果比较萤火虫算法和遗传算法分别在对峰值函数寻优结果的精确度。
在比较过程中，可以根据测试结果发现，萤火虫算法在对峰值函数的寻优结果的精确度优于遗传算法。
这表明了萤火虫算法在连续空间优化的可行性和有效性，同时也表明了萤火虫算法具有良好的应用前景。
关键词：萤火虫算法，仿生群智能优化算法，优化分析，遗传算法ABSTRACTThe Firefly Algorithm (FA) is affected by the nature of the Firefly exchange of information through a fluorescence inspired this kind of crowd behavior has evolved. It is made by Xin - She Y ang professor at the university of Cambridge in 2009, as a novel bionic swarm intelligent optimization algorithm, has a large research space. In recent decades as more bionic swarm intelligent algorithm is put forward, people also gradually deepen to the understanding and research of those algorithms.First，it is introduced in this paper theoretical concepts of swarm intelligence optimization algorithm, and then emphatically through the understanding of firefly algorithm bionic principle, from the perspective of mathematical descriptions of firefly algorithm is reasonable and the definition of the process, finally ,writes matlab code of the algorithm to realize the three peak function simulation test, to test results. At the same time with the genetic algorithm on the same test function, simulation test, to test results. Finally by comparing test results of firefly algorithm and genetic algorithm in the accuracy of the optimization results of peak function respectively. In the process of comparison, according to the result of test, it can shows that the firefly algorithm on the accuracy of the optimization results of peak function is superior to genetic algorithm. It shows that the feasibility and effectiveness of firefly algorithm in the continuous space optimization, but also shows that the firefly algorithm has a good application prospect.Keywords:firefly algorithm, The bionic swarm intelligent optimization algorithm, Optimization analysis, genetic algorithm目录摘要 (I)ABSTRACT (II)目录 ...................................................................................................................................... I II 第一章绪论 . (1)一、研究的背景及意义 (1)二、群智能优化算法的研究现状 (1)三、本论文的内容和结构 (2)第二章群智能优化理论 (4)一、群智能优化算法的概述 (4)二、模拟退火算法 (4)三、遗传算法 (5)四、蚁群算法 (7)五、粒子群优化算法 (8)六、人工萤火虫群优化算法 (9)七、人工鱼群算法 (11)第三章萤火虫算法 (13)一、萤火虫算法的概念 (13)二、萤火虫算法的国内外研究现状 (13)三、萤火虫算法的仿生原理 (14)四、萤火虫算法的数学描述与分析 (15)五、萤火虫算法的流程 (16)六、实现萤火虫算法的matlab代码 (16)第四章仿真实验与分析 (22)一、三个测试函数的介绍 (22)二、FA和GA对F1(x)的仿真测试 (22)三、FA和GA对F2(x)的仿真测试 (25)四、FA和GA对F3(x)的仿真测试 (27)五、测试结果分析 (30)结论 (31)致谢 (32)参考文献 (33)第一章绪论一、研究的背景及意义在现实生活中，许多优化问题要求人们不仅要计算出其极值，还要得出其最优值。
学轨道交通掌握控制技术本刊记者/谭兰兰技术交流会2013年5月28日19：00，由西南交通大学峨眉校区团委、教务处、学生处主办，计算机与通信工程承办的第三届轨道交通控制技术论坛之技术交流会隆重举行。
莅临本次论坛的嘉宾是：西南交通大学峨眉校区团委副书记张江泉、督导组老师高四维、马自敦，教务处老师吕彪，计算机与通信工程系党总支书记张强峰，系副主任张瑾，铁道信号教研室主任魏艳，上海田之金公司经理邹雷滨。
此外邬芝权、陈凤梅、曾义祥、李成忠、刘全、陈林秀、胡桂珍、李华、黄菊等老师作为评委也参加了本次交流会。
以现代轨道交通控制技术交流为主线，以现代轨道交通快速发展为契机，以高素质应用型轨道交通控制人才为培养目标，此次论坛将带领大家走进一个学术交流的殿堂。
第一分会场在6105。
魏艳老师作为特邀嘉宾为我们带来第一个报告。
世界是从哪里来的，它又将往哪去呢？一个看似简单的问题，却暗藏着无穷奥秘，魏老师从中引出“复杂系统”的概念，从而进入了“中国铁路信号复杂系统研究与应用”的简介。
中国铁路路线里程处于世界第三，虽然建设接近于饱和状态，但是仍处于发展阶段，还是需要人才。
魏老师结合自己的研究，给同学们简单介绍了列车运行调整的优化、仿真和分布式计算机联锁系统。
她希望有更多优秀人才加入中国铁路信号复杂系统的研究领域，能够将复杂向简单发展。
魏老师的精彩演讲后，同学们也跃跃欲试。
李群带领大家进入法国高速铁路之旅，运用娴熟的法语介绍了法国铁路的发展历程和各式各样的运营列车。
之后，张代胜和张传东运用扎实的专业知识和经验总结，将城轨与国铁信号系统进行比较。
经过三次的演讲报告，纯粹理论知识地摄入，同学们难免觉得有些疲倦，于是进行了互动，进入铁路常识我知道的有奖问答环节。
同学们在脑海中迅速搜寻答案，纷纷举起手，顿时教室的气氛热闹起来，褪去了一般讲座的枯燥无味。
然后，蒋胜强和刘平通过毕业设计的灵感，结合挪威铁路专家的建议，讲述了欧盟与中国铁路信号系统工程设计的比较分析。
智能制造工程训练中心方案目录一、前言 (3)1.1 编写目的 (3)1.2 背景与意义 (4)二、总体目标与建设内容 (5)2.1 总体目标 (7)2.2 建设内容 (7)2.2.1 硬件设施建设 (9)2.2.2 软件系统建设 (10)2.2.3 人才队伍建设 (11)三、功能定位与业务范围 (12)3.1 功能定位 (14)3.2 业务范围 (15)3.2.1 人才培养 (16)3.2.2 科研创新 (17)3.2.3 社会服务 (20)四、教学计划与课程设置 (21)4.1 教学计划 (21)4.2 课程设置 (23)4.2.1 基础课程 (24)4.2.2 专业课程 (26)4.2.3 实践课程 (28)五、教学方法与手段 (29)5.1 教学方法 (30)5.1.1 项目式教学 (31)5.1.2 问题导向学习 (32)5.1.3 翻转课堂 (33)5.2 教学手段 (35)5.2.1 现代教育技术应用 (36)5.2.2 实训基地建设 (37)六、师资队伍与培训 (39)6.1 师资队伍 (40)6.1.1 人才引进 (41)6.1.2 培训提升 (42)6.2 培训计划 (43)6.2.1 入职培训 (44)6.2.2 在职培训 (45)七、运营管理与评估 (46)7.1 运营管理 (48)7.1.1 制度建设 (49)7.1.2 运行监控 (50)7.2 评估体系 (51)7.2.1 教学质量评估 (52)7.2.2 设备设施评估 (53)八、发展规划与政策建议 (55)8.1 发展规划 (56)8.2 政策建议 (57)8.2.1 资金支持政策 (58)8.2.2 人才引进政策 (59)九、结语 (61)一、前言随着全球经济的快速发展和科技的不断进步，制造业作为国民经济的主体，其转型升级已成为各国政府和企业共同关注的重点。
智能制造作为制造业发展的主要趋势，正引领着一场前所未有的产业变革。
