基于莱维飞行的飞蛾扑火优化算法求解单目标优化问题

飞蛾扑火优化算法（Firefly Algorithm）是一种启发式优化算法，其灵感来源于昆虫界的飞蛾扑火行为。该算法模拟了飞蛾之间的相互吸引和追逐行为，通过光强度的改变来更新和优化解的位置，以寻找全局最优解。本文将介绍基于莱维飞行的飞蛾扑火优化算法，并提供相应的MATLAB代码。

算法原理：

1. 初始化种群：随机生成初始解集合，表示为X=(x1, x2, …, xn)，其中n为解的维度。
2. 计算适应度：根据目标函数计算每个解的适应度值，用于评估解的质量。
3. 更新解的位置：根据莱维飞行策略，通过以下公式更新解的位置：
   xi(t+1) = xi(t) + beta * levy(t) * (xi(t) - xj(t))
   其中，xi(t+1)表示第i个解在下一代的位置，xi(t)表示第i个解在当前代的位置，xj(t)表示第j个解在当前代的位置，beta为步长因子，levy(t)为莱维飞行步长。
4. 更新适应度：根据更新后的位置计算解的适应度值。
5. 选择更新：根据适应度值进行选择，保留适应度较高的解。
6. 终止条件判断：判断是否满足终止条件，如达到最大迭代次数或目标函数收敛。

MATLAB代码实现：

function [bestSolution, bestFitness