滕明，王典,2，于涵，张敬权，徐雨歆

1.吉林大学 地球探测科学与技术学院，长春 130026；2.吉林大学 地质资源立体探测虚拟仿真实验教学中心，长春 130026

0 引言

萤火虫算法(firefly algorithm,简称FA)是由Yang[1]于2008年提出的一种仿生随机优化算法。该算法设计思路源于对萤火虫觅食、求偶等行为模拟，通过萤火虫个体之间相互吸引、移动从而到达寻优目的。与其他群智能算法相比，萤火虫算法的优点表现为：算法结构简单、所需调整参数少以及流程清晰易懂，已在数值优化、工程技术和聚类分析等[2--6]方面得到成功应用。和多数仿生随机算法类似，FA算法也存在一些不足，例如收敛“早熟”现象、后期收敛速度缓慢和易陷入局部极值。针对FA算法存在的不足，许多学者进行了研究与改进。主要分为以下两大类：一类是改进FA算法参数设置方式。如Lukasik et al.[7]对吸收系数和移动步长进行修改，改进后FA算法的求解精度得以提高，但求解速度较慢；欧阳喆等[8]采用动态方式调整步长；Gandomi et al.[9]采用混沌序列修改FA算法参数设置，提升FA算法的求解精度和收敛速度；徐丽华等[10]针对FA算法“早熟”收敛现象，提出了一种变尺度混沌光强吸收系数调整策略的萤火虫优化算法；刘畅等[11]利用指数分布等改进吸引项。另一类是将FA与粒子群算法(PSO)、遗传算法(GA)和差分演化算法(DE)等优化算法相结合，提高FA算法的性能。曹秀爽[12]提出当FA算法处于全局搜索时，将模拟退火搜索机制融入FA算法，当FA算法处于局部搜索时，把回火策略引入FA算法，以此解决萤火虫易陷入局部极值和后期收敛速度慢等问题；……