人工萤火虫群优化算法分析改进及应用研究

人工萤火虫群优化(Glowworm Swarm Optimization,GSO)算法是一种新的群智能优化算法。至今,人工萤火虫群优化算法已在多模态函数优化、多信号源追踪、多信号源定位、集体机器人学和有害气体泄漏定位等方面得到成功地应用,表现出算法良好的性能和应用潜力。但是,人工萤火虫群优化算法近来年刚被提出,还存在诸多不足之处。如运行后期收敛速度慢、求解精度不高等缺陷;相对于其它比较成熟的群智能优化算法,其应用范围还比较狭小,有待进一步研究。基于此,本论文主要研究改进人工萤火虫群优化算法优化多模态函数所存在的不足,并将改进后的人工萤火虫群优化算法应用到解决组合优化问题和聚类问题。 本论文主要取得以下研究成果: (1)在人工萤火虫群优化算法中设计动态自适应变步长策略,使算法具有动态自适应性。实验表明,提出的改进算法可以有效提高人工萤火虫群优化算法优化多模函数的收敛速度和求解精度。 (2)提出一种离散型萤火虫群优化算法,用于求解旅行商问题。实验表明,提出的离散型萤火虫群优化算法具有较好的鲁棒性,是有效的算法。 (3)提出一种基于人工萤火虫群优化算法的聚类算法。实验表明,提出的基于人工萤火虫群优化算法的聚类算法具有较好的聚类效果。