自適應修改權重參數的果蠅優化算法

牛勇力，吳 清,2，李平娜，謝章華

(1.河北工業大學 計算機科學與軟件學院，天津 300401；2.河北省大數據計算重點實驗室，天津 300401)

自適應修改權重參數的果蠅優化算法

牛勇力1，吳 清1,2，李平娜1，謝章華1

(1.河北工業大學 計算機科學與軟件學院，天津 300401；2.河北省大數據計算重點實驗室，天津 300401)

針對果蠅優化算法容易陷入局部極值、迭代后期收斂速度慢和收斂精度低的缺陷，借鑒粒子群優化算法中個體認知因子和群體引導因子的思想，提出了自適應修改權重參數的果蠅優化算法。該算法引入了果蠅個體認知因子和果蠅群體引導因子，讓果蠅個體對自己的位置有充分的認知，也讓果蠅群體對果蠅個體有很好的引導。在每次迭代時，算法根據當前果蠅群體的適應度值自適應修改個體認知因子和群體引導因子的大小，從而調整迭代步長的大小，使得改進后的算法能夠避免早熟收斂，提高收斂精度和收斂速度。基于測試函數的實驗結果表明，自適應修改權重參數的果蠅優化算法能跳出局部極值，具有更好的全局搜索能力，在收斂速度和收斂精度方面比基本果蠅優化算法有較大的提高。

果蠅優化算法;自適應;迭代步長;認知因子;引導因子

0 引 言

果蠅優化算法(Fruit fly Optimization Algorithm,FOA)[1]是近年來提出的一類新的全局優化智能算法。該算法源于對果蠅群體覓食行為的仿真模擬。和其他智能優化算法相比，FOA結構簡單，容易理解，具有調整參數少、計算量小、收斂速度快等優點，因此逐漸受到國內外學者的關注和研究，并且成功應用于工程和科學等領域，如控制器的調節[2]、電力負荷預測[3-4]、聯合補充問題[5-6]等。……