基于混沌初始化和高斯扰动的烟花算法.docVIP

基于混沌初始化和高斯扰动的烟花算法 　　DOI：10.16644/j.cnki.cn33-1094/tp.2016.07.016 　　摘 要： 烟花算法是最近提出的一种群体智能算法，效率较高，但是仍然容易陷入局部最优解。为进一步提高算法的性能做了两点改进：①采用混沌初始化的方式，有利于初始解遍布整个解空间；②当全局最优解陷入停滞时，自动启动高斯扰动模块对全局最优解扰动，有利于算法跳出局部最优解。在多个具有不同特性的测试函数上的实验表明，改进算法的性能优于原始烟花算法。 　　关键词： 烟花算法； 群体智能； 优化算法； 混沌 　　中图分类号：TP301.6 文献标志码：A 文章编号：1006-8228（2016）07-56-03 　　Improved fireworks algorithm based on Chaos initialization and Gaussian perturbation 　　Du Zhenxin 　　（School of Computer Information Engineering， Hanshan Normal University， Chaozhou， Guangdong 521041， China） 　　Abstract： FA （fireworks algorithm） is a newly proposed swarm intelligence algorithm； it has a high efficiency， but is still easy to fall into the local optimal solution. To further improve the algorithms performance， this paper has done the improvement in two aspects： ① using chaos initialization to facilitate the initial solutions distribution throughout the solution space； ② when the global optimal solution falls into a standstill， the Gaussian perturbation module is automatically activated to perturb the global optimal solution， and help FA escaping the local optimal solution. The experiments on several test functions with different characteristics show that the performance of the improved algorithm is better than that of the original fireworks algorithm. 　　Key words： fireworks algorithm； swarm intelligence； optimization algorithm； chaos 　　0 引言 　　烟花算法是由Tan和Zhu[1]提出的一种群体智能优化算法，具有良好的优化性能，逐渐引起国内外关注[2-5]，但是仍然容易早熟收敛。本文在原始烟花算法基础上，采用混沌初始化操作和高斯扰动操作，提高了算法的性能。 　　3 实验 　　为了测试改进算法的性能，本文算法与原始烟花算法FA进行了对比试验。测试函数与文献[1]中相同，FA与本文改进算法的参数设置与文献[1]相同，本文新增加的参数为：最小进化速度阈值θ=0.01，最大全局极值扰动次数d=10。表1是对比测试结果，其中FA的数据来自文献[1]。 　　从表1可以看出，本文的改进算法在所有测试函数上的结果全部好于或等于原始烟花算法，验证了本文改进算法的有效性。 　　4 结束语 　　本文在两个方面对原始烟花算法进行了改进：①采用混沌初始化烟花的初始解；②当全局最优解接近陷于停滞时，自动启动高斯扰动模块，对当前全局最优解进行多次高斯扰动，直到得到的扰动值好于当前的全局最优解或者多次扰动失败退出扰动模块。这样有利于全局最优解跳出局部最优解，促进算法的进化。实验结果表明本文的改进是有效的。 　　参考文献（References）： 　　[1] Tan Y，Zhu Y C.Fireworks Algorithms for Optimization[C]// 　　Proceedings of Int. Conf. on