17、萤火虫算法与神经网络结合及3D物体分类研究

萤火虫算法与神经网络结合及3D物体分类研究

萤火虫算法与神经网络结合分析

萤火虫算法是一种出色的群体优化技术，适用于众多实际应用场景。该算法的研究基于从多个知名研究出版物库收集的文献，涵盖了ScienceDirect、Springerlink、IEEE Xplore、Inderscience等。

许多基础传统神经网络和高阶神经网络都成功地与萤火虫算法结合，用于解决复杂问题。萤火虫算法的三个理想化原则中，随机化是一个重要特性，它体现了每个萤火虫或群体解的随机性。算法的结果主要依赖于最佳候选解，因此改进最佳解可能是算法高效的原因。在某些情况下，在目标函数中使用一些高效的数学函数有助于提高收敛速度。此外，许多研究人员将萤火虫算法进行混合，以在局部搜索中找到最佳位置。

从文献中可以明显看出，大多数工作都集中在各类神经网络的参数调整上。萤火虫算法的闪烁特性有助于为神经网络，特别是高阶神经网络找到合适的权重单元。由于萤火虫算法的元启发式特性，它能够在探索和利用之间保持良好的平衡。通过局部搜索在群体中找到最佳解，与普通随机权重相比，输入到任何神经网络的大多数是最佳权重。较暗的萤火虫会被最亮的萤火虫吸引，因此总是有机会获得比之前更好的解，进而为人工神经网络提供最佳权重集。这是通过萤火虫算法获得全局最优解的重要方面，吸引了更多神经网络研究人员将其应用于研究中。

虽然一些早期开发的基于进化和群体的算法，如遗传算法（GA）、粒子群优化算法（PSO）、蚁群优化算法（ACO）等，也用于训练神经网络，但它们在获得恒定最优解方面存在不足。

基于谷歌学术关键词搜索，对萤火虫算法与神经网络的结合进行了更多分析。在相关分析中发现，经典神经网络和高阶神经网络与萤火虫算法的结合都