資源描述：
《基于模擬退火的果蠅優(yōu)化算法》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、基于模擬退火的果蠅優(yōu)化算法 摘要：針對果蠅算法（FOA）尋優(yōu)精度不高且易陷入局部最優(yōu)的缺陷，提出了一種基于模擬退火思想的果蠅優(yōu)化算法（SA-FOA）。所提算法對解的接收機制和尋優(yōu)步長進行了改進：以廣義的Gibbs分布產(chǎn)生的概率為接收概率，解的接收滿足Metropolis準則；參考非均勻變異的思想，使步長隨迭代次數(shù)的增加逐漸減小。通過對幾種典型測試函數(shù)的仿真表明，改進算法具有較強的全局搜索能力，同時尋優(yōu)精度和收斂速度比果蠅算法也有較大的提高。因此，可以用改進算法對神經(jīng)網(wǎng)絡和服務調(diào)度問題的參數(shù)進行優(yōu)化。 關鍵詞：果蠅算法；模擬退火；尋優(yōu)步長；接收概率；收斂速度
2、 中圖分類號：TP301 文獻標志碼：A 文章編號：1001-9081（2016）11-3118-05 0引言 果蠅優(yōu)化算法（FruitFlyOptimizationAlgorithm，F(xiàn)OA）是一種新型的群智能優(yōu)化算法，算法是根據(jù)果蠅的覓食行為進行推演形成的一種尋找全局最優(yōu)解的新方法[1-5]。該算法與粒子群優(yōu)化（ParticleSwarmOptimization，PSO）算法、人工魚群算法（ArtificialFishSwarmAlgorithm，AFSA）和遺傳算法（GeneticAlgorithm，11GA）等相比具有計算量較小、參數(shù)少、結構簡單
3、、易于實現(xiàn)的特點，但同時該算法也存在不夠穩(wěn)定、易陷入局部最優(yōu)的缺陷[6]。為了改善原算法的性能，文獻[7]提出了自適應步長的改進策略對原算法進行優(yōu)化，其思路是在原算法的基礎上加入果蠅因子，影響該因子的因素是果蠅當前位置與果蠅最佳位置，這樣果蠅尋優(yōu)步長會隨著果蠅的位置自適應改變；文獻[8]提出了遞減步長的改進方法，該算法與果蠅的迭代次數(shù)有關，每進行一次迭代，步長都減小一個定值，定值的大小為初始步長與最大迭代次數(shù)的比；文獻[9]提出了自適應調(diào)整參數(shù)的果蠅優(yōu)化算法，該算法用逆向云發(fā)生器確定下代果蠅的飛行方向與距離；文獻[10]用輪盤賭策略對果蠅的飛行方向進行選擇，其思
4、路是根據(jù)概率隨機選擇一個比當前位置好的果蠅作為下次迭代尋優(yōu)的起始位置。文獻[7-9]都是基于步長改進，影響的是果蠅的尋優(yōu)速度，全局尋優(yōu)能力沒有改變；文獻[10]的改進對果蠅歷史最好位置依賴性大，如果上代果蠅陷入局部最優(yōu)，則以后的尋優(yōu)過程都很難跳出局部最優(yōu)，因此效果也不是太好?！ 榱颂岣吖墐?yōu)化算法的收斂速度與全局尋優(yōu)能力，本文采用非均勻變異的思想對果蠅尋優(yōu)步長進行改進，以提高算法的收斂速度與精度。同時將模擬退火算法與果蠅算法進行結合，提出了基于模擬退火思想的果蠅優(yōu)化算法（SimulateAnneal-FruitflyOptimizationAlgorithm，
5、SA-FOA）。改進后的算法可以以一定的概率吸收最差的解，并以最差解作為下代果蠅尋優(yōu)的新起點，從而使算法跳出局部最優(yōu)值，增強全局尋優(yōu)的能力?！ ?果蠅優(yōu)化算法 1.1果蠅優(yōu)化算法的原理11 果蠅在尋找食物時，會沿著食物味道濃度大的方向飛行，而味道濃度的大小和果蠅與食物的距離有關系，果蠅距離食物的位置越近，味道濃度就越大，也越容易找到食物[1]。果蠅群體迭代尋優(yōu)路線如圖1所示?！ 」墝?yōu)原理為：隨機初始果蠅群體的位置（x，y），果蠅以該位置為起點隨機飛行去尋找食物，當果蠅個體發(fā)現(xiàn)食物最佳位置時，其他果蠅也會向該位置聚攏（x2，y2）；然后再以這個新位置為起點
6、進行下一次的尋優(yōu)，直至找到食物的位置?！ ?.2果蠅優(yōu)化算法的步驟 1）隨機初始果蠅群體的位置（X_axis，Y_axis）并設置種群規(guī)模與迭代次數(shù)。 2）以初始位置為起點，隨機給定果蠅個體的飛行方向Random和尋優(yōu)步長Value，以Random*value作為搜索距離?！ ?）計算味道濃度判定值si，該值是果蠅位置坐標與原點距離的倒數(shù)?！ ?）將味道濃度判定值代入味道濃度判定函數(shù)，求出果蠅個體的味道濃度?！ ?）找出果蠅群體中味道濃度最小的果蠅?！ ?）保留果蠅最小位置坐標，其他果蠅也向該位置飛去?！ ?）進入迭代尋優(yōu)，重復執(zhí)行步驟2）～5），并判斷味道
7、濃度是否優(yōu)于前一代：若是，則執(zhí)行步驟6）；若否，則保留前一代的最小味道濃度，算法結束?！ ?.3果蠅算法的應用11 果蠅優(yōu)化算法和其他群智能優(yōu)化算法一樣有著廣泛的應用領域。果蠅優(yōu)化算法不僅可以對維數(shù)眾多、結構復雜的函數(shù)進行求解，還可以用于求解實際問題。例如，文獻[7]將其與功能流算法相結合，并將改進算法應用在蛋白質(zhì)交互網(wǎng)絡中，通過仿真表明改進算法具有較高的正確率與收斂速度；文獻[10]將改進算法應用于置換流水車間模型。通過仿真表明，果蠅算法可以有效地對車間調(diào)度問題進行優(yōu)化；另外，將果蠅優(yōu)化算法應用于旅行商問題模型，可以快速有效地找出相對合理的路徑；將果蠅優(yōu)化算
8、法應用于神經(jīng)網(wǎng)絡中，可以
