21、基于检测萤火虫算法与蜻蜓算法的优化研究

基于检测萤火虫算法与蜻蜓算法的优化研究

检测萤火虫算法（DFA）相关内容

在优化算法领域，传统的萤火虫算法（FA）在解决问题时存在一些不足，为了改进这些问题，检测萤火虫算法（DFA）应运而生。

标准萤火虫算法（FA）

标准萤火虫算法由XinShe Yang提出，基于三个理想化假设：
- 每个萤火虫仅依据其他萤火虫的亮度相互吸引，而不考虑性别等其他因素。
- 对于任意两只闪烁的萤火虫，较暗的一只会被较亮的吸引并向其移动。随着它们之间距离的增加，萤火虫的吸引力会降低。若没有比某只萤火虫更亮的，它将随机移动。
- 萤火虫的亮度受目标函数值的影响或决定。

在标准FA中，萤火虫的亮度与目标函数值成正比，其绝对亮度公式为：
[I(x) \propto f(x)]
其中(I(x))是不考虑介质中亮度衰减时的绝对亮度。萤火虫的吸引力(\beta)定义为：
[\beta = \beta_0e^{-cr^2}]
其中(\beta_0)是(r = 0)时的吸引力，(c)是光吸收系数。萤火虫(i)被更有吸引力（更亮）的萤火虫(j)吸引时的移动策略由下式决定：
[x_i = x_i + \beta (x_j - x_i) + \alpha e_i]
这里第二项是吸引力的作用，第三项是随机化项，(\alpha)是随机化参数，(e_i)是从高斯分布或均匀分布中抽取的随机数向量。

检测萤火虫算法（DFA）

• 检测萤火虫 ：受检测粒子群优化算法的启发，引入了检测萤火虫。在标准FA中，单个萤火虫的搜索路径是无序