基于Levy飞行的飞蛾扑火优化算法-附代码
基于Levy飞行的飞蛾扑火优化算法
摘要:由于飞蛾扑火优化(MFO)算法收敛速度和计算精度还有待提高,提出一种改进的基于Lévy飞行轨迹的飞蛾扑火优化(LMFO)算法。增强局部搜索能力,大幅度提升收敛速度和求解精度。
1.飞蛾扑火优化算法
基础飞蛾扑火优化算法的具体原理参考,我的博客:https://blog.csdn.net/u011835903/article/details/107764895
2. 改进飞蛾扑火优化算法
2.1 Lévy 飞行
在 Lévy 飞行中, 短距离的探索性局部搜索与偶尔较长 距离的行走相间, 从而保证了系统不会陷入局部最优。 Lévy 飞行能使不确定环境下的资源搜索效率尽可能最大 化。参考文献
[
9
]
[9]
[9] 中使用随机数的算法绘制了一个在平面 上连续 50 步的 Lévy飞行轨迹, 如图 1 所示。
由于飞蛾可以以不同的步长移动一个较长的距离, 因 此 Lévy 飞行可以有效模拟这种特性, 而 Lévy 飞行的连续 跳跃路径与时间
t
t
t 的关系服从 Lévy 分布, Yang Xin She 将 Lévy 分布函数经过变换后得到下面的概率密度函数
[
10
]
{ }^{[10]}
[10]
Levy
∼
u
=
t
−
λ
,
(
1
<
λ
<
3
)
\text { Levy } \sim u=t^{-\lambda},(1<\lambda<3)
Levy ∼u=t−λ,(1<λ<3)
有关 Lévy 飞行的相关资料请参见文献。 自然界中的一些动物为了能在不确定的环境中找到食 物, 最理想的搜索方式就是 Lévy 飞行搜索策略。大量的研 究显示, 很多动物的移动行为均与 Lévy 飞行轨迹相符合。
本文在基本 MFO 算法的基础上, 引入Lévy飞行策略。 在每只飞蛾进行位置更新之后进行一次 Lévy随机的位置移 动, 这样做有利于其跳出局部最优的停滞, 以保证算法具 有较强的局部搜索能力, 从而算法在性能上有了较大 的提高。
3.实验结果
4.参考文献
[1]李志明,莫愿斌.基于Lévy飞行的飞蛾扑火优化算法[J].计算机工程与设计,2017,38(03):807-813.
5.Matlab代码
6.Python代码
相关文章
- 基于改进的多目标粒子群算法的微电网多目标调度(经济、污染物减排、负荷平衡为目标函数)(matlab代码实现)
- 基于粒子群优化算法的微型燃气轮机冷热电联供系统优化调度(Matlab代码实现)
- MATLB|基于粒子群优化算法的智能微电网调度(含风、光、微型燃气轮机、电网输入微网、储能)
- 基于双参数蜜蜂算法解决车辆路径问题(Matlab代码实现)
- 基于蜜蜂算法的资源受限项目优化调度(Matlab代码实现)
- 【车间调度】基于GA/PSO/SA/ACO/TS优化算法的车间调度比较(Matlab代码实现)
- 基于SUSAN算法的边缘检测方法研究(Matlab代码实现)
- 基于稳定隶属度的自调优多峰聚类算法(SMMP)(SMMP)(Matlab代码实现)
- 基于凸松弛算法的电力市场策略研究(Matlab代码实现)
- 基于改进多目标灰狼优化算法的考虑V2G技术的风、光、荷、储微网多目标日前优化调度研究(Matlab代码实现)
- 基于迁移学习的语义分割算法分享与代码复现
- 不用苦苦寻找,这就是最全的聚类算法汇总(附Python代码演示)
- 基于海鸥算法改进的DELM分类-附代码
- 智能优化算法:粒子群算法相关代码
- 智能优化算法:水循环算法-附代码
- 智能优化算法:磷虾群算法-附代码
- 基于交叉算子和非均匀变异算子的飞蛾扑火优化算法-附代码
- 一种基于Levy飞行的改进蝗虫优化算法 -附代码
- 多段扰动共享型乌鸦算法-附代码