目录
1.算法概述
萤火虫优化算法是模拟自然界中萤火虫总是朝着发光最亮的萤火虫的位置进行移动的算法。(一般的群智能算法就是模拟该生物的生存行为的(觅食,求偶,迁徙。。。)该算法由英国剑桥大学的Yang等人与2009年提出,主要模拟了萤火虫根据个体亮度而相互吸引的行为。因其在特征提取、聚类等问题上的性能胜过大多传统算法而在众多领域得到了广泛应用。
针对萤火虫和萤火虫群的行为,Krishnanand和Ghose(2005)[1]提出了萤火虫群优化算法(Glowworm Swarm Optimization,GSO),并使用于诸多应用。最初,GSO的开发目标是提供数值优化问题的解决方案,而不是确定全局最优,但是由于GSO的分散决策和移动协议,它在机器人等领域做出了更多的贡献。
最初受萤火虫启发,GSO在随机搜索空间中随机分布一组或一群代理,代理间通过其他行为机制相互影响,而这些机制在其自然界中的对应物中是不存在的。算法的基本工作基于以下三种机制:
适应度广播
萤火虫有一种叫做荧光素(luciferin)的色素,可以使萤火虫发光。萤火虫体内荧光素的含量决定了它们在目标空间中的位置的适应度。
正趋性
萤火虫被比自己亮的邻居吸引,因此开始向它移动。当有多个这样的邻居时,它利用概率机制来选择一个。
自适应邻域
每个萤火虫利用一个自适应邻域来识别邻居,该邻域由一个