|本期目录/Table of Contents|

[1]方贤,铁治欣,李敬明,等.多模态函数聚类后再创种群的并行搜索佳点集萤火虫算法[J].浙江理工大学学报,2017,37-38(自科6):843-850.
　FANG Xian,TIE Zhixin,LI Jingming,et al.A Parallel Search GoodPoint Set Glowworm Swarm Optimization of  Recreated Population after Clustering of MultiModal Functions[J].Journal of Zhejiang Sci-Tech University,2017,37-38(自科6):843-850.
点击复制

多模态函数聚类后再创种群的并行搜索佳点集萤火虫算法()
分享到：

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
第37-38卷
期数:
2017年自科6期
页码:
843-850
栏目:
出版日期:
2017-11-10

文章信息/Info

Title:
A Parallel Search GoodPoint Set Glowworm Swarm Optimization of  Recreated Population after Clustering of MultiModal Functions
文章编号:
1673-3851 (2017) 06-0843-08
作者:
方贤; 铁治欣; 李敬明; 高雄
1.浙江理工大学信息学院，杭州 310018；2.合肥工业大学管理学院，合肥 230009
Author(s):
FANG Xian; TIE Zhixin; LI Jingming; GAO Xiong
1.School of Information Science and Technology, Zhejiang SciTech University, Hangzhou 310018, China;2.School of Management, Hefei University of Technology, Hefei 230009, China
关键词:
萤火虫算法; 多模态函数; 佳点集; 密度聚类算法; 并行搜索
分类号:
TP391.9
文献标志码:
A
摘要:
萤火虫算法在求解多模态函数时，随着峰值个数的增加，往往需要更大的种群规模才能得到较为理想的结果，而且初始种群是否均匀分布对结果也有很大影响。针对萤火虫算法的这些不足，提出了一种多模态函数的聚类后再创种群的并行搜索佳点集萤火虫算法。该算法首先以数论佳点集的思想将萤火虫均匀分布于搜索空间中，在粗糙搜索完成后，通过密度聚类算法进行捕峰操作，重新构造等同于峰值点数的各个平行空间；然后在各空间中继续加入少量佳点集生成的萤火虫并行精细搜索，最终可获得各个平行空间的局部最优解以及整个空间的全局最优解。与其他算法在12个典型多模态函数中的测试结果进行对比，该算法总体上缩小了种群规模，加快了收敛速度，搜索精度更高，时间成本更低，稳定性能更好。

参考文献/References:

［1］ KENNEDY J. Stereotyping: improving particle swarm performance with cluster analysis［C］// Congress on Evolutionary Computation. IEEE,2000:1507-1512.
［2］ SHELOKAR P S, SIARRY P, JAYARAMAN V K, et al. Particle swarm and ant colony algorithms hybridized for improved continuous optimization［J］. Applied Mathematics & Computation,2007,188(1):129-142.
［3］ AGRAWAL S, SILAKARI S. FRPSO: FletcherReeves based particle swarm optimization for multimodal function optimization［J］. Soft Computing,2014,18(11):2227-2243.
［4］ FAN L, LIU X Y, JIA L P. A minimumeliminationescape function method for multimodal optimization problems［C］//Tenth International Conference on Computational Intelligence  and Security. IEEE,2014:312-316.
［5］ ZHOU Z, XIE Y, PHAM D T, et al. Bees Algorithm  for multimodal function optimisation［J］. Proceedings of the Institution of Mechanical Engineers, Part C: Journal of  Mechanical Engineering Science,2015,203-210(3):1989-1996.
［6］ ZHANG Y L, MA X P, GU Y, et al. A modified glowworm swarm optimization for multimodal functions［C］// Control and Decision Conference. IEEE,2011:2070-2075.

相似文献/References:

[1]李成辉,李仁旺,杨强光,等.基于改进萤火虫算法的云计算任务调度算法[J].浙江理工大学学报,2019,41-42(自科三):354.
　LI Chenghui,LI Renwang,YANG Qiangguang,et al.Cloud computing task scheduling algorithm  based on improved firefly algorithm[J].Journal of Zhejiang Sci-Tech University,2019,41-42(自科6):354.

备注/Memo

备注/Memo:
收稿日期： 2017-06-14
网络出版日期： 2017-10-10
基金项目： 国家自然科学基金项目(61170110)；浙江省公益技术应用研究项目(2014C31G2060072)；安徽省教育厅自然科学研究重点项目(KJ2016A308)
作者简介： 方贤(1994-)，男，安徽滁州人，硕士研究生，主要从事智能计算、生物信息学方面的研究
通信作者： 铁治欣，E-mail：tiezx@zstu.edu.cn
更新日期/Last Update: 2017-11-16