螢火蟲算法(精華版)

1、 螢火蟲算法及其應(yīng)用研究小組分工小組分工PPT講解講解 陳國強陳國強 PPT制作制作 Matlab仿真仿真徐越徐越吳順吳順胡福威胡福威劉浩劉浩肖慧敏肖慧敏王丹娜王丹娜算法產(chǎn)生背景算法原理算法公式算法實現(xiàn)流程Matlab仿真適用領(lǐng)域優(yōu)缺點1234567目錄CONTENTS1. 算法產(chǎn)生背景算法產(chǎn)生背景人工螢火蟲群優(yōu)化(Glowworm Swarm Optimization，GSO）算法是印度學(xué)K.N.Krishnanand 和 D. Ghose 于 2005 年提出的一種新型群智能優(yōu)化算法。算法思想源于模擬自然界中螢火蟲在晚上群聚活動的自然現(xiàn)象而提出的，在螢火蟲的群聚活動中，各只螢火蟲通過散發(fā)熒

2、光素與同伴進行尋覓食物以及求偶等信息交流。一般來說，熒光素越亮的螢火蟲其號召力也就越強，最終會出現(xiàn)很多螢火蟲聚集在一些熒光素較亮的螢火蟲周圍。人工螢火蟲算法就是根據(jù)這種現(xiàn)象而提出的一種新型的仿生群智能優(yōu)化算法。在人工螢火蟲群優(yōu)化算法中，每只螢火蟲被視為解空間的一個解，螢火蟲種群作為初始解隨機的分布在搜索空間中，然后根據(jù)自然界螢火蟲的移動方式進行解空間中每只螢火蟲的移動。通過每一代的移動，最終使得螢火蟲聚集到較好的螢火蟲周圍，也即是找到多個極值點，從而達到種群尋優(yōu)的目的。2. 算法原理算法原理 在基本人工螢火蟲群優(yōu)化算法中，每一只人工螢火蟲都被隨機的分布在目標(biāo)函數(shù)的定義空間內(nèi)，這些螢火蟲擁有各自

3、的熒光素，并且每一個螢火蟲都有自己的視野范圍，我們稱之為決策域半徑(local-decision range)。每個螢火蟲熒光素的亮度和自己所在位置對應(yīng)目標(biāo)函數(shù)的適應(yīng)度值有關(guān)。熒光越亮的螢火蟲表示它所在的位置就越好，即它所對應(yīng)的目標(biāo)函數(shù)值也更優(yōu)。螢火蟲的移動方式是：每個螢火蟲在各自的視野范圍內(nèi)尋找鄰域，在鄰域中找到發(fā)出熒光較亮的螢火蟲從而向其移動。每次移動的方向會因為挑選的鄰域不同而改變。另外，螢火蟲的決策域半徑也會根據(jù)鄰域中螢火蟲數(shù)量的不同而受影響，當(dāng)鄰域中螢火蟲數(shù)目過少時，螢火蟲會加大自己的決策半徑以便需找更多的螢火蟲；反之，就會減小自己的決策半徑。最終，使得大部分螢火蟲聚集在較優(yōu)的位置上

4、。3. 算法公式4. 算法實現(xiàn)優(yōu)化的過程算法實現(xiàn)優(yōu)化的過程(1)先將螢火蟲群體隨機散布在解空間，每一只螢火蟲因為所處位置不 同 發(fā)出的熒光度也不同，通過比較，亮度高的螢火蟲可以吸引亮度低的螢火蟲向自己方向移動，移動的距離主要取決于吸引度的大小。(2)為了加大搜索區(qū)域，避免過早陷入局部最優(yōu)，在位置更新過程中增加了擾動項，根據(jù)位置更新公式計算更新后的位置。這樣通過多次移動后，所有個體都將聚集在亮度最高的螢火蟲位置上，從而實現(xiàn)最優(yōu)。算法流程圖如下：5. MatlabMatlab仿真仿真測試函數(shù)： 上述兩個函數(shù)中,F1(x)是在 的范圍中具有兩個峰值函數(shù)，F(xiàn)2(x)是在 的范圍中具有四個峰值函數(shù)。由圖

5、1有F1(x)中 x1=-0.00305386358606,x2=-0.000797745261189時函數(shù)取得最大值。即此時F1(x)=0.999990037569430。由圖2有F2(x)中 x1=0.000499802298797,x2=0.001861886962702時函數(shù)取得最大值。即此時F2(x)=1.999992788904963。圖1 F1(x)的尋優(yōu)結(jié)果圖2 F2(x)的尋優(yōu)結(jié)果圖3 F1(x)的三維效果圖圖4 螢火蟲算法對F1(x)尋優(yōu)的結(jié)果圖6 F2(x)的三維效果圖圖8 螢火蟲算法對F2(x)尋優(yōu)的結(jié)果6. 適用領(lǐng)域適用領(lǐng)域Krishnanand, K.N. 和 Gh

6、ose, D. 已將該算法成功應(yīng)用于多信號源探測和多模態(tài)函數(shù)優(yōu)化領(lǐng)域。2006年，Krishnanand, K.N. 等人將螢火蟲群優(yōu)化算法應(yīng)用于集體機器人、多信號源定位和探測多輻射源領(lǐng)域，并給出了帶有動態(tài)局部決策范圍的螢火蟲群優(yōu)化算法尋找多個源位置的理論推導(dǎo)。 2007年，Krishnanand, K.N. 等人將螢火蟲群優(yōu)化算法應(yīng)用于追蹤多個移動信號源位置領(lǐng)域和尋找多個氣味源位置的網(wǎng)絡(luò)機器人系統(tǒng)領(lǐng)域。2008年，Krishnanand, K.N. 和 Ghose, D. 給出了螢火蟲群優(yōu)化算法應(yīng)用于多定位領(lǐng)域的理論基礎(chǔ)，并用螢火蟲群優(yōu)化算法捕獲多極值函數(shù)的多個局部最優(yōu)值，此外，還將基于多機器人系統(tǒng)的螢火蟲群優(yōu)化算法應(yīng)用于信號源定位領(lǐng)域。2009年，Krishnanand, K.N.和 Ghose, D. 用螢火蟲群優(yōu)化算法來優(yōu)化多極值函數(shù)，并捕獲多極值函數(shù)的多個局部最優(yōu)值。此Krishnanand, K.N. 和 Ghose, D. 還用基于多種群的螢火蟲群優(yōu)化算法來檢測環(huán)境中普遍存在的危險之源。但在國內(nèi)，對人工螢火蟲群優(yōu)化算法的研究還剛起步，可參考文獻少。7. 算法優(yōu)缺點算法優(yōu)缺點l優(yōu)點：螢火蟲算法不僅可以優(yōu)化單峰函數(shù)和多峰函數(shù)，而且該算法具有較強的局部搜索能力可以在一個嬌小的區(qū)域內(nèi)找到該區(qū)域的最優(yōu)解。操作方便、實現(xiàn)簡單、參數(shù)較少、而且參數(shù)對算法的影響較小。l缺點：螢火