局部搜索萤火虫算法    珠海云梯车,  珠海云梯车出租, 珠海云梯车租赁    萤火虫算法存在计算量大和早熟收敛的缺点。学者们针对算法计算量大对基本萤火虫算法做了一些改进，但是改进后算法会使搜索性能下降，因此需要进一步研究。本文引入基于适应度值的局部搜索机制降低萤火虫算法的计算量，提出基于适应度值的局部搜索萤火虫算法。本文根据萤火虫种群距离矩阵方差和适应度值在迭代过程中的变化，判断算法是否陷入局部最优。如果陷入局部最优则重新更新萤火虫种群。为了检验本文提出的ＬＳ－ＦＡ的有效性，本文进行了基于云梯车实验装置的控制实验，并对实验结果进行分析。

       基本萤火虫算法中每两只萤火虫都要进行飞行操作，算法的计算量和萤火虫种群个数的平方成正比。对于高维问题，如果萤火虫种群规模比较大，那么计算量会比较大。符强等人提出基于多种群的萤火虫优化算法，将萤火虫种群分为几个子种群，每个子种群独立使用不同的算法参数进行寻优。多种群萤火虫算法的改进目的是降低算法的时间复杂度，但是直接将萤火虫种群划分成多个子种群并且子种群间交流机制比较弱会导致萤火虫算法退化，导致算法的全局搜索能力减弱。有效的搜索策略必须具有全局性的特点。由于萤火虫的适应度值分布并不和萤火虫的位置分布直接相关，因此萤火虫适应度值在搜索空间具有全局性。基于适应度值的这个特性，本文提出基于适应度值的局部飞行机制。每只萤火虫只飞向和其亮度接近的尤只萤火虫。基本萤火虫算法在迭代过程中，种群个体会逐渐趋同，所有的萤火虫将聚集到一起，收敛到一个或多个局部最优。一般情况下，此时算法的迭代次数比较小，小于算法设定的最大迭代次数。但是进一步的算法迭代并不能改变萤火虫种群的分布，算法出现早熟现象。现有的对基本萤火虫算法的改进没有直接避免萤火虫算法早熟的机制。另外为了保证适应度值，算法必须在有限的迭代次数以收敛，因此早熟是智能优化算法不可避免的问题。算法在收敛后如果能保证随机搜索机制的继续进行，算法可能会找到更优的解。因此，本文提出基于距离矩阵方差的种群更新机制，能够判断算法是否收敛，如果算法收敛，对一部分萤火虫种群进行随机初始化，可以继续对搜索空间进行搜索。

     珠海云梯车,  珠海云梯车出租, 珠海云梯车租赁  http://www.zhuhaishengjiangchechuzu.com/

    局部搜索萤火虫算法:  基本萤火虫算法存在计算复杂度较高的问题。在基本萤火虫算法的一次迭代过程中，每两个萤火虫需要相互比较，然后亮度较小的一只萤火虫飞向较亮的萤火虫，因此算法计算量是和种群个数的平方成正比。如果萤火虫种群数量较大，那么对计算资源的要求较高。另外，搜索空间内所有萤火虫在同一次迭代过程中都进行位置更新互动，然后相向而飞，导致萤火虫种群在比较少的迭代次数内聚集，形成算法早熟的现象。对基本萤火虫算法的研究主要是针对算法的寻优效果的提升，没有研究如何降低萤火虫算法的计算复杂度。萤火虫算法的时间复杂度高是因为每只萤火虫都要和其他所有萤火虫进行亮度比较，然后确定是否飞行和飞行步长。如果要减小算法的计算量，那么每只萤火虫只能和有限只萤火虫进行比较。最直接的方法是每只萤火虫和离它最近的萤火虫进行位置更新操作。此方法的问题是降低了全局的萤火虫间的协作能力，从而减弱了萤火虫算法的全局搜索能力。本文提出一种基于适应度值的局部搜索机制，算法的复杂度只有。适应度值接近的萤火虫是随机分布在整个搜索空间的，因此每只萤火虫飞向适应度函数值接近的萤火虫在从搜索空间遍历的角度上是等效的。同时，每只萤火虫只受有限只萤火虫吸引，能够更好的保持种群多样性。

     珠海云梯车,  珠海云梯车出租, 珠海云梯车租赁