基于萤火虫算法修正的步长估计方法

文章编号:1007-757X(2019)05-0107-04基于改进萤火虫算法优化ELM的电力电容器故障诊断张博皓，吕冰(青岛科技大学自动化与电子工程学院，青岛266100)摘要：针对ELM分类预测的结果易受其初始输入权值和阀值的影响，提出了一种改进萤火虫算法优化ELM的电力电容器故障诊断模型#选择电力电容器故障诊断的准确率为适应度，通过IFA优化ELM的初始输入权值和阈值，实现电力电容器故障自适应诊断#研究结果表明，与其他算法比较可知,IFA_ELM可以有效提高电力电容器故障诊断的准确率和降低误判率，为电力电容器故障诊断提供新的方法和途径#关键词：萤火虫算法；极限学习机；电力电容器；遗传算法；粒子群算法中图分类号：TP391文献标志码：AFault Diagnosis of Power Capacitor Based on ELMOptimized By Improved Firefly AlgorithmZHANG Bohao,LU Bing(School of Automation and Electronic Engineering,Qingdao University of Science and Technology,Qingdao266100) Abstract:The result of ELM classification prediction is easily influenced by the initial input weight and threshold value,a fault diagnosis model of power capacitor is proposed to improve the optimization of ELM algorithm.The accuracy of power capacitor fault diagnosis is selected as adaptability,and the initial input weight and threshold value of ELM are optimized by IFA to real­ize the self-adaptive diagnosis of power capacitor fault.The results show that the IFA_ELM can effectively improve the accura­cy and reduce the misjudgment rate of power capacitor fault diagnosis,and it provides a new method and approach for power ca­pacitorfaultdiagnosis.Key words:Firefly algorithm；Extreme learning machine；Power capacitors；Genetic algorithm；Particle swarm algorithm0引言随着电网向智能化、高压和超高压、大容量等方向发展,电力设备故障带来的损失日益增大，其中绝大数电力设备故障是由电力电容器故障所引起［1］,因此，如何高精度的诊断识别电力电容器故障具有重要的理论意义和实际价值&最近几年，很多学者将智能算法应用于电力电容器故障诊断,如人工神经网络⑵、粒子群算法、遗传算法⑷、人工免疫算法⑸等。

2021年11期创新前沿科技创新与应用Technology Innovation and Application基于改进萤火虫算法的DG 定容选址算法研究邓正臣（上海电力大学电子与信息工程学院，上海201306）1概述随着我国电力事业的快速发展，社会用电量总量急剧攀升，在传统的电网架构下，电力部门主要建造如核电站、大型水电站、燃煤火电站等大型集中电源，并由此扩建为超大规模电力系统。

但其弊端也日益凸显，高度集中的电源难以满足电网运行的灵活性需求，重要供电节点的故障也会严重影响电网整体的供电可靠性，远距离输电也面临着严重的电能损耗和安全性等问题[1]。

为了克服以上问题对电网运行的负面影响，分布式电源（Distributed generation ，DG ）的概念于20世纪80年代被提出。

DG 对配电网的规划和运行有着极其重要的影响，配电网中适当的接入DG 可以起到提高电能质量、降低有功功率损耗、改善电压分布等作用，提高电网运行时整体的经济性和灵活性。

配电网作为电网的末端，其运行的稳定性和效率直接影响到电网整体的效能发挥。

因此，分布式电源的选址与定容问题已成为电网规划的重要讨论内容，具有很大的研究价值。

由于电网络的非线性，各个支路流过的功率、有功功率网损、节点电压等都需要通过潮流计算得到，所以DG 的选址定容问题本质上是大规模非线性方程组的求解。

为了解决这一问题，通常依靠潮流计算算法求解适应度值，使用仿生学算法求解模型。

文献[2]介绍了不同种形式的萤火虫算法，并比较了萤火虫算法的优劣，标准的萤火虫算法更适合求解连续域问题，对离散域问题效果较差；文献[3]采用了遗传算法（GA ）优化DG 的位置与容量，并且充分考虑了配电网潮流的限制等约束；文献[4]提出了一种基于网损灵敏度的DG 优化配置方法，采用IEEE-33标准节点测试系统验证了所提方法的有效性；文献[5]考虑了DG 功率的不确定性，利用改进的粒子群算法（Improved particle swarm opti -mization ，IPSO ）优化配电网的网损、改善节点电压质量，并对改进的IEEE-33节点算例进行仿真，证明IPSO 算法的有效性。

基于Tent混沌映射的改进的萤火虫算法
刘园园;贺兴时
【期刊名称】《纺织高校基础科学学报》
【年(卷),期】2018(31)4
【摘要】为了有效改善萤火虫算法对初始解依赖性,迭代后期收敛速度较慢以及搜索精度不高等问题,提出一种基于Tent混沌映射的萤火虫优化算法.该算法将混沌优化思想应用到萤火虫算法中,利用混沌映射初始化种群,在迭代后期对种群中较优解进行混沌优化,同时在整个迭代过程中自适应调整萤火虫算法的步长因子.基准测试函数的测试结果显示,改进的萤火虫算法在收敛速度和搜索精度方面都得到提高,并且与其他基于混沌理论思想的优化算法相比,同样具有一定的优势.
【总页数】8页(P511-518)
【作者】刘园园;贺兴时
【作者单位】西安工程大学理学院,陕西西安710048;西安工程大学理学院,陕西西安710048
【正文语种】中文
【中图分类】TP18
【相关文献】
1.基于改进Tent映射的自适应变尺度混沌粒子群算法 [J], 李国晓;韦世丹
2.一种新的改进型Tent混沌映射及其性能分析 [J], 刘建新;李朝伟;张楷生
3.基于改进的二维交叉熵及Tent映射PSO的阈值分割 [J], 吴一全;吴诗婳;占必超;
张晓杰;张生伟
4.一种基于Tent映射的混合灰狼优化的改进算法 [J], 滕志军;吕金玲;郭力文;许媛媛
5.基于改进萤火虫算法的矿井水害避灾路径规划 [J], 王鹏;朱希安;王占刚;刘德民因版权原因，仅展示原文概要，查看原文内容请购买。

基于连续空间的萤火虫算法改进
刘晨旻;王亚刚
【期刊名称】《电子科技》
【年(卷),期】2022(35)2
【摘要】针对萤火虫算法在全局寻优过程中求解精度差,且容易陷入局部最优的问题,文中提出了一种优化的萤火虫算法。

采用离散-连续的方法将传统萤火虫算法的空间连续化,在传统萤火虫算法的基础上定义新的吸引度计算式以及相应的更新策略,实现待求的离散问题的空间连续化,改善萤火虫单体相应的移动方式。

实验仿真结果证明了该改进算法的有效性。

文中对改进的萤火虫算法及其适用范围作了总结,并指出了今后研究方向。

【总页数】6页(P40-45)
【作者】刘晨旻;王亚刚
【作者单位】上海理工大学光电信息与计算机工程学院
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.改进萤火虫优化的软子空间聚类算法
2.基于改进萤火虫优化算法和考虑空间变异特性的边坡最小安全系数确定研究
3.基于改进萤火虫算法的铁路运行调度算法研究∗
4.基于改进萤火虫算法的铁路运行调度算法研究
5.基于改进萤火虫算法的DG 定容选址算法研究
因版权原因，仅展示原文概要，查看原文内容请购买。

基于改进萤火虫群的区域灾害链挖掘方法胡明生;贾志娟;吉晓宇;洪流【摘要】通过建立灾害立体网络模型并定义相似空间向量来对区域灾害链规律进行挖掘，同时转化其中的向量发现问题为一种多峰路径优化问题从而利用萤火虫群算法进行求解，并添加变步长、组亮度控制等优化策略，以改善基本GSO算法在收敛速度及求解精度上的不足，最后通过与基本GSO算法的性能对比实验证明了该改进方法的优越性。

【期刊名称】《计算机应用与软件》【年(卷),期】2012(000)011【总页数】4页(P29-31,86)【关键词】立体灾害网络;灾害链;萤火虫算法;路径优化;多峰函数【作者】胡明生;贾志娟;吉晓宇;洪流【作者单位】华中科技大学系统工程研究所湖北武汉430074; 郑州师范学院软件研究所河南郑州450044;郑州师范学院软件研究所河南郑州450044;郑州师范学院软件研究所河南郑州450044;华中科技大学系统工程研究所湖北武汉430074【正文语种】中文【中图分类】TP3110 引言随着近年来国内外大灾、巨灾的频繁发生，使得对灾害链及灾害演化的研究［1－3］越来越受到重视。

灾害链是灾害演化的基本形式，现有的灾害演化模型［4－6］大都是基于抽象灾害链所建立的平面网络模型，灾害节点间缺乏地理方位关系，在时间尺度上也多是研究短期的灾害内部演化。

然而重大灾害及其灾害链所体现出的大自然的隐秩性，即自组织性、协同性、整体统一性，往往因具体空间、时间情况的不同而产生各种复杂的动态变化，从而体现出迁移性和延迟性。

如震洪链、震旱链都是常见的抽象灾害链，虽然灾源相同，但是因为不同的受灾时空环境能够形成不同的灾害成链及迁移趋向，从而在不同区域会出现截然不同的成链结果。

所以对灾害链加入区域相关性考量，提取出不同区域各自的灾害成链特征，就显得十分有意义。

在灾害区域相关性研究上，文献［7，8］基于时间序列相似性匹配方法，实现了对地震的地区相关性分析，取得了较好效果，但是在其模型只能求得地区间的大体关联程度，而不能确定地区间的因果(链式)关系，即A地区与B地区间是呈现出A 地区地震引发B地区地震的规律，还是B地区地震引发A地区地震的规律，或者只是由于A、B地区都是地震频发区域而表现出了一种伪匹配关系。

一种新颖的改进萤火虫算法
左仲亮;郭星;李炜
【期刊名称】《微电子学与计算机》
【年(卷),期】2017(34)9
【摘要】为了克服原始萤火虫算法(Glowworm swarm optimization,GSO)对于多峰函数寻优精度不高和后期收敛速度较慢的问题.为此,本文针对性的提出了一种改进的动态步长自适应的萤火虫优化算法.采用该算法的改进思想,能在一定的程度上避免算法因为过早的成熟而陷入局部最优,并且改进的算法比原始萤火虫算法有着更好的收敛精度.Matlab实验仿真表明,改进算法在一定程度上提高了收敛速度和寻优精度.
【总页数】5页(P15-19)
【关键词】萤火虫算法;多峰函数;动态步长;自适应
【作者】左仲亮;郭星;李炜
【作者单位】安徽大学计算智能与信号处理重点实验室;安徽大学计算机科学与技术学院
【正文语种】中文
【中图分类】TP393
【相关文献】
1.一种新颖的仿生群智能优化算法:萤火虫算法 [J], 刘长平;叶春明
2.一种改进的模拟退火萤火虫混合算法求解0/1背包问题 [J], 任静敏; 潘大志
3.一种基于深度学习的改进萤火虫频谱分配算法 [J], 苏慧慧; 彭艺; 曲文博
4.一种基于深度学习的改进萤火虫频谱分配算法 [J], 苏慧慧; 彭艺; 曲文博
5.一种新颖的萤火虫算法求解PID控制器参数自整定问题 [J], 顾忠伟;徐福缘因版权原因，仅展示原文概要，查看原文内容请购买。

基于改进萤火虫算法的配电网故障恢复策略
杨奕;刘青;吴毅;吴晓强
【期刊名称】《现代电力》
【年(卷),期】2024(41)2
【摘要】为提高含高比例新能源主动配电网的故障恢复可靠性,提出一种基于改进萤火虫算法的两阶段故障恢复策略。

首先构建了风光储系统模型,减少了风光发电的不确定性对故障恢复的影响;第一阶段采用先广度后深度的组合算法对故障后的配电网进行孤岛划分,该组合算法充分考虑了负荷时变性及用户侧需求,保证了重要负荷被优先恢复;第二阶段采用改进萤火虫算法对配电网重构进行求解,最大限度地保证恢复供电,同时尽可能地减少网络损耗;最后以IEEE33节点配电网作为算例仿真,结果表明所提故障恢复策略能够得到配电网故障恢复最优方案,同时满足负荷用户侧需求,保证重要负荷不断电,提高供电恢复率,降低配电网故障后网损,验证了所述方法的有效性和优越性。

【总页数】8页(P287-294)
【作者】杨奕;刘青;吴毅;吴晓强
【作者单位】新能源电力系统国家重点实验室(华北电力大学);国网江苏省电力有限公司盐城供电分公司
【正文语种】中文
【中图分类】TM711
【相关文献】
1.基于改进人工蜂群算法的配电网故障恢复
2.基于改进BPSO算法的含微网的配电网故障恢复方法研究
3.基于改进粒子群算法的配电网故障恢复研究
4.基于量子萤火虫算法的配电网故障恢复策略
因版权原因，仅展示原文概要，查看原文内容请购买。

第47卷第4期2021年4月水力发电基于ILA-ESSVM的短期风功率预测谭彦聪1，2,王海云1>2,王江江1工(1.新疆大学电气工程学院，新疆乌鲁木齐830047； 2.新疆大学教育部可再生能源发电与并网控制工程技术研究中心，新疆乌鲁木齐830047)摘要：为避免风力发电随机性、波动性对电网调度的影响，同时基于风功率预测在微电网和风储系统等热点研究问题中的应用必要性，建立基于改进萤火虫算法%IFA)优化最小二乘支持向量机%LSSVM)的短期风功率预测模型#首先，利用混沌映射及步长因子自适应调整方法对萤火虫算法进行创新性改进，增强其全局搜索能力，又解决了局部震荡问题；其次，针对LSSVM参数选择的盲目性对预测精度造成严重影响的问题，运用改进的萤火虫算法对LSSVM模型参数进行优化；最后，将本文所提模型应用于新疆某风电场，对本文预测模型和常用PSO-ESSVM预测模型以及未改进fafssvm预测模型的预测结果进行对比#结果表明，本文预测模型精度更高、稳定性更强#关键词：风功率预测；最小二乘支持向量机；改进萤火虫算法；混沌映射；步长因子Short-term Wind Power Prrdiction Based on IFA-LSSVMTAN Yanccng1'-,WANG Haiyun1,2,WANG Jiangjiang1'-(1.School oS Electrical Engineering,Xinjiang University,Urumqi830047,Xinjiang,China;2.Research Center for Renewable Energy Power Generation and Grid Control Engineering oS Ministii oS Education,Xinjiang University,Urumqi830047,Xinjiang,China)Abstracc:To avvid the influence oS the randomness and velatility oS wind power generation on grid dispatching and considering thenece s ityoowind poweepeediction in hoteeseaech i s uessuch asmiceogeid and wind stoeagesystem,ashoet-teem wind power prediction model based on improved firety algorithm(IFA)optimized least square support vector machine(LSSVM)is estaboished.Fistoy,theoieooyaogoGithm isinnoeatieeoy impGoeed byusingchaoticmapping and step-si ye oactoGadaptiee adjustment method to enhance its global search ability and solve the local oscillation problem.Secondly,in view oS the problemthat the blindness oS LSSVM parameter selection has a serious impact on the prediction accuracy,the improved firety algorithm isused tooptimiyetheLSSVM modeepaeametees.Fina e y,thepeoposed modeeisappeied toawind faem in Xiniiang,and the peediction eesuetsaeecompaeed with thatofthecommoneyused PSO-LSSVM peediction modeeand theunimpeoeed FA-LSSVM peediction modee.Theeesuetsshowthatthepeoposed peediction modeeismoeeaccueateand stabee.Key Wordt wind powe ep eediction;eeast squa ees suppo et eecto emachine;imp eo eed fieefeyaegoeithm;chaoticmapping;step-siyefactoe中图分类号：TM614文献标识码：A文章编号：0559-9342%2021)04-0112-050引言由于风力发电具有随机性、波动性，这使得风电发展受到了很大程度的制约(1),而风功率的短期预测有利于调整日内发电计划，提高电网风电消纳能力；同时，对于含储能的风电系统风功率预测的研究有利于解决风储系统过充或过放问题(在含风电的微电网研究上，不断提高短期风功率预测精度是含风电的微电网系统制定能量调度策略、调整调度计划的关键所在［3I O所以上述研究均需要稳定性和精度更高的风功率预测模型作为研究支撑。

基于动态自适应萤火虫优化算法郗君甫【摘要】为了有效解决标准萤火虫算法在寻优过程中存在易陷入后期收敛速度较慢、寻优精度不高等问题,在位置更新公式中引入动态调整惯性权重和自适应步长机制,提出一种动态自适应萤火虫优化算法.利用四个标准测试函数进行仿真实验结果表明,动态自适应萤火虫算法具有更快收敛速度、较高求解精度和稳定性.【期刊名称】《邢台职业技术学院学报》【年(卷),期】2017(034)005【总页数】5页(P78-82)【关键词】萤火虫优化算法;惯性权重;自适应【作者】郗君甫【作者单位】邢台职业技术学院信息工程系,河北邢台 054035【正文语种】中文【中图分类】TP181萤火虫优化（Glowworm Swarm Optimization, GSO）算法是印度学者K.N.Krishnanand和D.Ghose于2005年提出的一种新型的仿生群智能优化算法[1,2]，其算法基本思想是单体萤火虫在搜索区域内利用发光亮度不同的特性寻找并聚合同伴，亮度越高吸引同伴能力越强，通过不断移动位置，实现寻优。

该算法由于模型简单、稳定性强、寻优能力强等优点，目前成为智能计算领域一个新的研究热点，随着研究不断深入已广泛应用于优化问题[3]、预测问题[4,5]、电力系统[6]、路径规划[7]、自动控制[8]、图像处理[9]、组合问题[10,11]等多个领域，并取得较好效果，但GSO算法也存在容易陷入局部最优、早熟收敛、后期收敛较慢和求解精度不高等问题。

针对基本萤火虫优化算法的缺陷，通过研究理论分析后，提出一种动态自适应萤火虫优化（Dynamic adaptive Glowworm Swarm optimization，DAGSO）算法，在算法中引入动态调整惯性权重机制和自适应步长机制，更好协调好局部搜索和全局搜索之间的关系，通过仿真实验结果表明，DAGSO算法有效改善了全局和局部搜索能力、提高收敛速度和寻优精度。

在标准GSO算法中，萤火虫群中单体萤火虫随机分布在解空间中，每个单体萤火虫均拥有荧光素和感知半径，单体萤火虫的荧光素亮度与所在位置上目标函数有关，单体萤火虫越亮，表明荧光素值越大、位置越好、目标函数值越优。

一种基于萤火虫算法的舰船路径规划方法专利名称：一种基于萤火虫算法的舰船路径规划方法技术领域：本发明属于舰船路径规划领域，尤其是一种基于萤火虫算法的舰船路径规划方法。

背景技术：随着科技的不断进步，舰船导航正逐渐向着智能化的方向发展。

尤其是在水面无人舰艇领域，舰船行驶的智能化更是尤为重要。

在智能化过程中，路径规划无疑是舰船智能航行的关键技术之一。

传统规划方法有视图法、拓扑法、栅格法等，这些方法过程简单，容易实现但路径优化效果差，并且无法保证寻找到全局最优路径。

近年来，随着一些生物系统及其行为特征进行模拟的优化算法的产生及日趋成熟，人们也逐渐将这些新兴的算法应用于路径规划中，并且有些算法已经获得了较好的效果，比如遗传算法、人工神经网络、粒子群算法、蚁群算法等。

例如申请号为200910100613. 1的专利申请一种基于粒子群优化算法的移动机器人路径规划方法，该专利对机器人路径利用粒子群优化算法进行规划；最后对规划的路径进行深度优先搜索。

申请号为201010123511. 4的专利提出一种基于双群协同竞争粒子群和Ferguson样条的机器人路径规划方法，该方法主要解决现有技术中存在的规划路径平滑性差且收敛速度缓慢的问题。

萤火虫算法(FireFly Algorithom, FFA)是一种基于萤火虫社会特性的优化算法，它由杨新社博士于2007年在剑桥大学提出。

尽管该算法与其它基于群体智能的算法，例如著名的粒子群算法，人工蜂群算法有一些相似之处，但是相对而言该算法在理论和实现上较为简单。

另外，根据最近的文献显示该算法在解决很多优化问题时非常有效并且可以超过其它传统算法，例如遗传算法等。

在最近的研究中，该算法的稳定性通过不同的标准随机函数被证明优于其它著名的优化算法。

它最突出的优点是主要利用个体的随机运动，同时基于各个个体间的全局通讯。

作为一种新的智能优化算法，萤火虫算法正在逐步被人们应用在各种优化领域，并取得了不错的效果。

第八章萤火虫算法8.1介绍萤火虫（firefly）种类繁多，主要分布在热带地区。

大多数萤火虫在短时间内产生有节奏的闪光。

这种闪光是由于生物发光的一种化学反应，萤火虫的闪光模式因种类而异。

萤火虫算法(FA)是基于萤火虫的闪光行为，它是一种用于全局优化问题的智能随机算法，由Yang Xin-She（2009）[1]提出。

萤火虫通过下腹的一种化学反应-生物发光（bioluminescence）发光。

这种生物发光是萤火虫求偶仪式的重要组成部分，也是雄性萤火虫和雌性萤火虫交流的主要媒介，发出光也可用来引诱配偶或猎物，同时这种闪光也有助于保护萤火虫的领地，并警告捕食者远离栖息地。

在FA中，认为所有的萤火虫都是雌雄同体的，无论性别如何，它们都互相吸引。

该算法的建立基于两个关键的概念：发出的光的强度和两个萤火虫之间产生的吸引力的程度。

8.2天然萤火虫的行为天然萤火虫在寻找猎物、吸引配偶和保护领地时表现出惊人的闪光行为，萤火虫大多生活在热带环境中。

一般来说，它们产生冷光，如绿色、黄色或淡红色。

萤火虫的吸引力取决于它的光照强度，对于任何一对萤火虫来说，较亮的萤火虫会吸引另一只萤火虫。

所以，亮度较低的个体移向较亮的个体，同时光的亮度随着距离的增加而降低。

萤火虫的闪光模式可能因物种而异，在一些萤火虫物种中，雌性会利用这种现象猎食其他物种；有些萤火虫在一大群萤火虫中表现出同步闪光的行为来吸引猎物，雌萤火虫从静止的位置观察雄萤火虫发出的闪光，在发现一个感兴趣趣的闪光后，雌性萤火虫会做出反应，发出闪光，求偶仪式就这样开始了。

一些雌性萤火虫会产生其他种类萤火虫的闪光模式，来诱捕雄性萤火虫并吃掉它们。

8.3萤火虫算法萤火虫算法模拟了萤火虫的自然现象。

真实的萤火虫自然地呈现出一种离散的闪烁模式，而萤火虫算法假设它们总是在发光。

为了模拟萤火虫的这种闪烁行为，Yang Xin-She提出了了三条规则（Yang，2009）[1]：1. 假设所有萤火虫都是雌雄同体的，因此一只萤火虫可能会被其他任何萤火虫吸引。

基于种群和荧光素自然感应的萤火虫算法
张玉丽;梁波
【期刊名称】《大连交通大学学报》
【年(卷),期】2015(036)006
【摘要】针对基本萤火虫算法优化多模函数时计算复杂度高和需要预先设定较多参数值的问题,提出了两种修正的萤火虫算法:基于种群的萤火虫算法(S-GSO)和基于荧光素自然感应的萤火虫算法(LNS-GSO).这种改进使学习行为更符合自然界生物的学习规律,更有利于萤火虫发现问题的所有局部最优解.通过6个标准测试函数测试,结果表明结合运用这两种修正的萤火虫算法能够取得良好的收敛性,在寻找多模函数的峰值个数上显示出较强的优势.
【总页数】6页(P111-116)
【作者】张玉丽;梁波
【作者单位】大连交通大学理学院,辽宁大连116028;大连交通大学理学院,辽宁大连116028
【正文语种】中文
【相关文献】
1.一种基于荧光素扩散的人工萤火虫算法 [J], 王迎菊;周永权
2.基于模拟退火机制的多种群萤火虫算法 [J], 王铭波;符强;童楠;刘政;赵一鸣
3.基于混沌理论的动态种群萤火虫算法 [J], 冯艳红;刘建芹;贺毅朝
4.基于寄生行为的双种群萤火虫算法及其在柴油调合中的应用 [J], 孔祥东;钱锋
5.基于甘肃安西极旱荒漠国家级自然保护区内普氏野马数量及种群变化情况分析[J], 李海龙;裴鹏祖;杨玉龙;张晓玲
因版权原因，仅展示原文概要，查看原文内容请购买。

萤火虫算法参数分析与优化卓宏明; 陈倩清【期刊名称】《《微型机与应用》》【年(卷),期】2019(038)011【总页数】7页(P60-66)【关键词】萤火虫算法; 参数分析; 数值试验【作者】卓宏明; 陈倩清【作者单位】浙江国际海运职业技术学院船舶工程学院浙江舟山316021【正文语种】中文【中图分类】TP301.60 引言萤火虫算法Firefly Algorithm(FA)是2008年YANG X S[1-2]提出的一种新型群智能优化算法，其操作简单、参数少、易实现，成为众多学者研究的热点，在诸多领域得到了较好的应用[3-6]。

然而决定算法性能的参数选择还缺少相关的深入研究，算法的参数设定对求解性能影响很大，因此，萤火虫算法的参数优化已成为急需解决的问题。

1 萤火虫算法及数学模型萤火虫算法基本思想是模拟萤火虫的发光特性在一定区域内寻找伙伴，向位置较优的萤火虫移动，以达到寻优的目的。

将问题的目标函数定义为萤火虫所处位置的适应度值，将优化过程模拟成萤火虫个体的相互吸引而引发的位置更新的过程，将个体的优胜劣汰过程类比为搜索和优化过程中用好的可行解取代较差可行解的迭代过程。

萤火虫算法的寻优主要由荧光亮度和吸引度两个关键要素实现。

主要公式包括相对相对萤光亮度公式、相对吸引度公式和位置更新公式[1-2]，如下所示：萤火虫的相对萤光亮度为：I=I0×e-γrij(1)其中，I0 为初始光强度，即在光源(r=0)处的光强度，与目标函数值相关，目标函数值越优自身亮度越高；γ为光强吸收系数即吸收因子，以体现光强的减弱特性，一般情况下γ∈[0.01，100]；r 通常为萤火虫i与j间的欧氏距离。

萤火虫的吸引度为：(2)其中，β0为最大吸引力，即光源(r=0)处的吸引力。

萤火虫i被萤火虫j吸引而向其移动的位置更新公式如下：xj(t+1)=xj(t)+βij(rij)[xi(t)-xj(t)]+αεj(3)其中，t为算法迭代次数；α为随机步长，一般取值范围为[0，1]；εj通常是由高斯分布、均匀分布或其他分布生成的随机数向量。

基于均匀局部搜索和可变步长的萤火虫算法王晓静;彭虎;邓长寿;黄海燕;张艳;谭旭杰【期刊名称】《计算机应用》【年(卷),期】2018(038)003【摘要】针对萤火虫算法(FA)收敛速度慢和求解精度不高的问题,提出一种基于均匀局部搜索和可变步长策略的萤火虫优化算法(UVFA).首先,根据均匀设计理论建立局部搜索算子,对FA的搜索过程进行改进,以提升算法的局部开采能力和收敛速度;其次,利用可变步长策略,动态地调整算法搜索步长,以平衡全局和局部的勘探能力和开采能力;最后将均匀局部搜索算子和可变步长进行融合.通过对12个标准测试函数进行仿真实验,结果表明,UVFA的目标函数均值均明显优于FA、明智步长策略的萤火虫算法(WSSFA)、可变步长萤火虫算法(VSSFA)和基于均匀局部搜索的萤火虫优化算法(UFA),并且时间复杂度明显降低,并且在低维和高维问题中均显示出了较好的质量,具有良好的鲁棒性.%Since the convergence speed of the Firefly Algorithm (FA) is slow,and the solution accuracy of the FA is low,an improved Firefly Algorithm with Uniform local search and Variable step size (UVFA) was proposed.Firstly,uniform local search was established by the uniform design theory to accelerate convergence and to enhance exploitation ability.Secondly,search step size was dynamically tuned by using the variable step size strategy to balance exploration and exploitation.Finally,uniform local search and variable step size were fused.The results of simulation tests on twelve benchmark functions show that the objective function mean of UVFA was significantly better thanFA,WSSFA (Wise Step Strategy for Firefly Algorithm),VSSFA (Variable Step Size Firefly Algorithm) and Uniform local search Firefly Algorithm (UFA),and the time complexity was obviously reduced.UVFA is good at solving low dimensional and high dimensional problems,and has good robustness.【总页数】8页(P715-721,727)【作者】王晓静;彭虎;邓长寿;黄海燕;张艳;谭旭杰【作者单位】九江学院信息科学与技术学院,江西九江332005;九江学院信息科学与技术学院,江西九江332005;九江学院信息科学与技术学院,江西九江332005;九江学院信息科学与技术学院,江西九江332005;九江学院信息科学与技术学院,江西九江332005;九江学院信息科学与技术学院,江西九江332005【正文语种】中文【中图分类】TP311【相关文献】1.基于局部性原理的可变步长Bezier曲线生成算法 [J], 孙式河;王海华;岳文静2.基于局部性原理的可变步长Bézier曲线生成算法 [J], 程文波;王华军;卢涵宇;陈劲松3.基于均匀正交萤火虫算法的采矿船主尺度优化 [J], 卓宏明;陈倩清4.一种基于自适应搜索策略的改进萤火虫算法 [J], 于干;金丹丹5.一种基于最大最小策略和非均匀变异的萤火虫算法 [J], 赵嘉;陈丹丹;肖人彬;樊棠怀因版权原因，仅展示原文概要，查看原文内容请购买。