郭晓东， 王丽芳， 张学良

(1. 太原科技大学 电子信息工程学院， 山西太原 030024；2. 太原科技大学 机械工程学院，山西 太原 030024；3. 太原科技大学 复杂系统与计算智能实验室， 山西 太原 030024)



基于自适应步长的果蝇优化算法

郭晓东1,2， 王丽芳3， 张学良2

(1. 太原科技大学 电子信息工程学院， 山西太原 030024；2. 太原科技大学 机械工程学院，山西 太原 030024；3. 太原科技大学 复杂系统与计算智能实验室， 山西 太原 030024)

针对固定搜索步长下标准果蝇优化算法(SFOA)寻优速度慢， 收敛精度不高， 容易陷于局部极值的不足， 通过分析果蝇个体生成机制中搜索步长与算法搜索能力的关系， 提出了一种基于自适应步长的改进果蝇优化算法(FOABASS)， 在该算法中搜索步长随种群当前位置、 当前优化代数的变化而变化， 由此生成的果蝇群体具备较强的全局勘探能力， 同时兼顾全局勘探能力和局部开发能力的平衡. 最后给出了FOABASS算法和SFOA算法、 其它几种改进FOA算法的性能比较， 仿真结果表明了该算法的有效性.

果蝇优化算法； 函数优化； 自适应步长； 局部极值

果蝇优化算法 (Fruit Fly Optimization Algorithm， FOA)源于对果蝇觅食行为的模拟[1-2]， 由潘文超在2011年6月提出. 作为一类新的全局优化进化算法， FOA算法引起了许多学者的关注， 发展出了数个不同的改进版本， 如多群体果蝇优化算法[3]、 混沌果蝇优化算法[4]、 反向认知的果蝇优化算法[5]、 基于历史认知的果蝇优化算法[6]、 对FOA参数的研究[7-8]， 等. FOA算法已成功应用于广义回归神经网络参数优化[1]， 函数优化[9]， 高速公路道路……