刘彦伶，樊棠怀，王 晖，康 平，赵 嘉

(南昌工程学院 信息工程学院，江西 南昌 330099)

0 引 言

萤火虫算法(firefly algorithm，FA)[1]是Yang等提出的一种群智能优化算法(swarm intelligent algorithm，SIA)[2]，由于其思想简单、易于实现并拥有较好的优化性能，受到了广泛关注。但FA采用全吸引模型，即每只萤火虫都会被任意一只更亮的萤火虫吸引，导致萤火虫在移动过程中发生振荡而使算法收敛速度减慢。为提高萤火虫算法的优化性能，许多学者从吸引模型角度对FA提出改进。Wang等[3]提出了一种随机吸引模型来有效减少个体的移动次数，避免运动过程中的粒子振荡，加快算法收敛速度。文献[4]让每只萤火虫与邻域内的萤火虫进行比较，通过调整邻域范围来有效平衡算法的探索与开发能力。Zhou等[5]提出了一种部分吸引模型，即萤火虫随机地从种群中选择3只优于自身的萤火虫进行学习。与全吸引模型相比，上述提到的吸引模型减少了粒子运动次数，避免了算法运行过程中的粒子振荡，但均采用了统一的进化方式且都向最好的粒子靠近，当最优粒子陷入局部最优，算法将快速收敛到局部极值，导致算法精度不高。

策略协同是萤火虫算法的研究热点，通过结合其它方法的优势来挖掘FA更好的优化性能。Lv等[6]将高斯扰动与萤火虫算法相融合，提出了具有高斯扰动和局部搜索的萤火虫算法。文献[7]中使用韦伯分布和步长单调递减方式，来对萤火虫的移动公式进行改进，以提高算法前期全局探索能力和后期的局部开发能力。……