王晓静，彭 虎，邓长寿，黄海燕，张 艳，谭旭杰

(九江学院 信息科学与技术学院，江西 九江 332005)

0 引言

Yang[1]研究了萤火虫个体间相互吸引与发光亮度的关联关系，以及萤火虫的移动特性，于2008年提出了一种新型群智能优化算法，即萤火虫算法(Firefly Algorithm, FA)。FA的基本思想是模拟萤火虫的发光特性在一定区域内寻找伙伴，向位置较优的萤火虫移动，以达到寻优的目的。萤火虫算法操作简单、参数少、收敛速度较快，已被成功地用于路径优化[2]、电频谱分配[3]、水资源优化配置[4]、板料成形优化[5]、工程管柱设计[6]等优化问题中，从而引起了国内外学者的广泛关注，成为智能计算领域的一个研究热点。

萤火虫算法也存在一些不足，比如后期收敛速度慢、易陷入局部最优、寻优结果依赖于初始种群和参数设置等。许多学者对其进行了各种改进。如臧睿等[6]将自适应惯性权重引入标准萤火虫算法，提高了算法的收敛速度。王翔等[7]设计了一种混沌局部搜索算子和替换算子，克服了萤火虫算法收敛速度慢和易于早熟的缺陷。Wang等[8]设计了随机吸引模型和三个邻域搜索策略，以及动态参数调整策略，提高了萤火虫算法的搜索精度，增强了算法的鲁棒性。Yu等[9-10]先后提出了基于个体最好位置与全局最好位置的步长设置策略[9]，以及非线性动态调整步长策略[10]，提高了搜索质量。刘金等[11]提出了图形处理器(Graphics Processing Unit, GPU)上的维度并行随机吸引策略萤火虫算法，降低了标准萤火虫算法的时间复杂度，提高了其优化能力。……