带高斯变异的人工萤火虫优化算法

【引言】人工萤火虫群优化算法( GSO) 是由Krishnanand 等人于2005 年模拟自然界萤火虫求偶或觅食行为而提出的一种新的群智能算法。该算法近年来在计算智能领域引起了人们极大的关注并逐渐成为该领域一个新的研究热点，该算法已经成功应用于传感器的噪声测试和模拟机器人等。该算法的优势在于捕捉极值域速度快、捕捉效率高、具有较强的通用性等优点，但也存在着易陷入局部最优、收敛速度慢、求解精度低和收敛成功率低等问题。本文针对基本萤火虫算法的不足提出了一种带高斯变异的萤火虫群优化算法( glowworm swarmoptimization with Gauss mutation，GMGSO) 。仿真实验结果表明，改进后的萤火虫算法有效防止了算法过早陷入局部最优值，其收敛速度、求解精度和收敛成功率等远优于基本的萤火虫算法。