池建华 蔡延光 李俊奕 李立欣 陈子恒 苏锦明

特约论文

蜻蜓算法研究综述*

池建华1蔡延光1李俊奕2李立欣1陈子恒1苏锦明1

（1.广东工业大学自动化学院，广东 广州 510006 2.广东省计算技术应用研究所，广东 广州 510006）

蜻蜓算法（DA）是一种通过模拟自然界中蜻蜓种群觅食和迁徙行为而设计的求解全局优化问题的新型元启发算法，具有实现简单、调优参数少、收敛时间短等特点，广泛应用于各领域优化不同问题。首先，介绍DA的基本概念；然后，根据DA易过早收敛的缺点，分别从增加改进策略和混合其他搜索算法的角度给出解决方法；最后，阐述DA的研究趋势。

蜻蜓算法；改进策略；混合其他搜索算法；研究趋势

0 引言

近年来，研究人员对智能算法的探索不断深入，他们通过对自然界群体生物的习性、行为以及自然现象进行分析，提出不同的自然启发式算法。如通过对自然界种群研究提出的粒子群优化（particle swarm optimization, PSO）算法[1]、共生生物搜索（symbiotic organisms search, SOS）算法[2]、驴和走私者优化（donkey and smuggler optimization, DSO）算法[3]、基于学习者表现的行为（learner performance based behavior, LPB）算法[4]等；通过对自然现象研究提出的水蒸气优化（water evaporation optimization, WEO）算法[5]、光学启发优化（optics inspired optimization, OIO）算法[6]、引力搜索算法（gravitational search algorithm, GSA）[7]等。对于复杂的现实世界问题，这些算法在成本、鲁棒性和效率方面都表现出良好效果。

蜻蜓算法（dragonfly algorithm, DA）是MIRJALILI等[8]于2016年提出的一种新型元启发算法。DA一经提出就受到各领域研究人员的关注，并将其应用于智能调度、车辆路径问题、电力系统优化、图像处理、云计算等领域。本文归纳了DA、DA变体、DA混合其他搜索算法，着重分析DA目前的研究进度，从而预测其研究趋势。……