萤火虫算法及其应用研究Matlab

《萤火虫算法及其应用研究Matlab》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、兰州交通大学毕业设计(论文)摘要萤火虫算法(FireflyAlgorithm,FA)是受自然界中的萤火虫通过荧光进行信息交流这种群体行为的启发演变而来。它是由剑桥大学的Xin-SheYang教授在2009年提出的，它作为一种新颖的仿生群智能优化算法，有较大的研究空间。近几十年来随着越来越多的仿生群智能算法的提出，人们对于这些算法的认识和研究也逐步加深。本文先介绍群智能优化算法的理论概念，然后着重通过对萤火虫算法仿生原理的了解，从数学的角度对萤火虫算法进行合理的描述和过程的定义，最后编写该算法的matlab代码实现对3个峰值函数进行仿真测试，得出其测试结果。同时用遗传算法对同样的

2、测试函数也进行仿真测试，得出其测试结果。最后通过测试结果比较萤火虫算法和遗传算法分别在对峰值函数寻优结果的精确度。在比较过程中，可以根据测试结果发现，萤火虫算法在对峰值函数的寻优结果的精确度优于遗传算法。这表明了萤火虫算法在连续空间优化的可行性和有效性，同时也表明了萤火虫算法具有良好的应用前景。关键词：萤火虫算法，仿生群智能优化算法，优化分析，遗传算法32兰州交通大学毕业设计(论文)ABSTRACTTheFireflyAlgorithm(FA)isaffectedbythenatureoftheFireflyexchangeofinformationthroughafluore

3、scenceinspiredthiskindofcrowdbehaviorhasevolved.ItismadebyXin-SheYangprofessorattheuniversityofCambridgein2009,asanovelbionicswarmintelligentoptimizationalgorithm,hasalargeresearchspace.Inrecentdecadesasmorebionicswarmintelligentalgorithmisputforward,peoplealsograduallydeepentotheunderstandi

4、ngandresearchofthosealgorithms.First，itisintroducedinthispapertheoreticalconceptsofswarmintelligenceoptimizationalgorithm,andthenemphaticallythroughtheunderstandingoffireflyalgorithmbionicprinciple,fromtheperspectiveofmathematicaldescriptionsoffireflyalgorithmisreasonableandthedefinitionofth

5、eprocess,finally,writesmatlabcodeofthealgorithmtorealizethethreepeakfunctionsimulationtest,totestresults.Atthesametimewiththegeneticalgorithmonthesametestfunction,simulationtest,totestresults.Finallybycomparingtestresultsoffireflyalgorithmandgeneticalgorithmintheaccuracyoftheoptimizationresu

6、ltsofpeakfunctionrespectively.Intheprocessofcomparison,accordingtotheresultoftest,itcanshowsthatthefireflyalgorithmontheaccuracyoftheoptimizationresultsofpeakfunctionissuperiortogeneticalgorithm.Itshowsthatthefeasibilityandeffectivenessoffireflyalgorithminthecontinuousspaceoptimization,butal

7、soshowsthatthefireflyalgorithmhasagoodapplicationprospect.Keywords:fireflyalgorithm,Thebionicswarmintelligentoptimizationalgorithm,Optimizationanalysis,geneticalgorithm32兰州交通大学毕业设计(论文)目录摘要IABSTRACTII目录III第一章绪论1一、研究的背景及意义1二、群智能优化算法的研究现状1三、本论文的内容和结构2