飛蛾撲火優化算法的研究及改進

汪雪瑩，賀興時

（西安工程大學理學院，西安 710600）

優化是工程數學問題，優化過程就是對特定問題找到最優解決方案的過程.群智能優化算法便屬于隨機優化方法的范疇.群智能算法一般來源于對自然界中一些生物群體行為的模仿，具有操作簡單、易于并行處理、魯棒性強等特點，已發展成為優化問題中的研究熱點.比較典型的群智能算法有粒子群優化算法（Particle Swarm Optimization，PSO）［1］、螢火蟲算法（Firefly Algorithm，FA）［2-3］、花授粉算法［4］（Flower Pollination Algorithm，FPA）、布谷鳥優化算法（Cuckoo Optimization Algorithm，COA）［5］、人工蜂群算法（Artificial Bee Colony Algorithm，ABC）［6］、人工魚群算法（Artificial Fish Swarms Algorithm，AFSA）［7］等.

飛蛾撲火算法（Moth-Flame Optimization Algorithm，MFO）是Mirjalili［8］于2015年提出的一種新型智能優化算法.其靈感來源于一種特殊的導航機制—橫向定位導航機制，該算法具有模型簡單、參數少、局部搜索能力強、并行優化能力強、全局性優且不易落入局部極值的性能特征，因此在諸多領域有著其他智能優化算法不具備的潛力，也逐漸引起了學術界和工程界的關注［9］.飛蛾在晚上飛行時，因其與月亮相距較遠，所以飛蛾與月亮保持固定的角度即可保證自己沿直線飛行.文獻［10］通過引入混沌理論，利用Sinusoidal混沌函數對MFO算法的收斂因子進行調整，分析證明該策略可以更好地平衡算法的全局探索與局部開發能力.文獻［11］中結合Levy飛行搜索策略提出了LMFO算法，Levy飛行搜索策略具有多數小步移動、偶爾大步移動的特點，使MFO的搜索范圍擴大.文獻［12］提出縱橫交叉混沌捕焰優化算法，此算法運用了縱橫交叉機制，使得火焰之間以及火焰的不同維度之間互相結合，并引入……