一种新颖的群智能算法:飞蛾扑火优化算法

被引:33
作者
李志明
莫愿斌
张森
机构
[1] 广西民族大学信息科学与工程学院
关键词
最优化; 横向定位; 飞蛾扑火优化; 函数优化;
D O I
10.14004/j.cnki.ckt.2016.4156
中图分类号
TP18 [人工智能理论];
学科分类号
140502 [人工智能];
摘要
飞蛾扑火优化(MFO)算法是一种新颖的群智能优化算法,该算法的主要灵感来源于飞蛾在自然界中被称为横向定位的飞行方式。作为一种新提出的仿生群智能优化算法,分析了飞蛾扑火优化算法的生物学原理,对算法的实现过程建立了数学模型。通过典型的函数优化对算法进行了仿真测试,结果显示飞蛾扑火优化算法是可行性的、有效的。最后,对将来的工作做进一步的展望。
引用
收藏
页码:172 / 176
页数:5
相关论文
共 7 条
[1]
Moth-flame optimization algorithm: A novel nature-inspired heuristic paradigm.[J].Seyedali Mirjalili.Knowledge-Based Systems.2015,
[2]
Grey Wolf Optimizer Based on Powell Local Optimization Method for Clustering Analysis [J].
Zhang, Sen ;
Zhou, Yongquan .
DISCRETE DYNAMICS IN NATURE AND SOCIETY, 2015, 2015
[3]
Multiobjective firefly algorithm for continuous optimization [J].
Yang, Xin-She .
ENGINEERING WITH COMPUTERS, 2013, 29 (02) :175-184
[4]
Cuckoo Optimization Algorithm [J].
Rajabioun, Ramin .
APPLIED SOFT COMPUTING, 2011, 11 (08) :5508-5518
[5]
A powerful and efficient algorithm for numerical function optimization: artificial bee colony (ABC) algorithm [J].
Karaboga, Dervis ;
Basturk, Bahriye .
JOURNAL OF GLOBAL OPTIMIZATION, 2007, 39 (03) :459-471
[6]
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 .
计算机应用研究, 2011, 28 (09) :3295-3297
[7]
基于模糊算法的移动机器人路径规划 [J].
陈卫东 ;
朱奇光 .
电子学报, 2011, 39 (04) :971-974+980