改進的螢火蟲算法及在陣列天線中的應用.pdf

1、近年來，隨著科學的進步和社會的快速發(fā)展，人們所面臨的優(yōu)化問題日益復雜化、大型化。因此尋求一個高效的、具有普遍適用性的智能優(yōu)化算法具有十分重要的意義。群智能優(yōu)化算法作為隨機性優(yōu)化算法的一個重要分支，因其較強的自適應性并可用來解決傳統(tǒng)確定性優(yōu)化算法難以解決的復雜優(yōu)化問題，而受到眾多學者的青睞，并廣泛應用到各種工程領域，展現(xiàn)出其蓬勃的生命力。
　　螢火蟲算法作為一種提出來不久的群智能優(yōu)化算法，雖然有諸如概念簡單、易于實現(xiàn)、局部尋優(yōu)能力好

2、等優(yōu)點，但仍然存在著在高維復雜問題上全局尋優(yōu)能力不足、收斂速度緩慢等缺點。鑒于此，本文對螢火蟲算法做出了改進，并將改進的螢火蟲算法運用在天線的設計領域上。論文的主要研究成果如下：
　?。?）從算法的基本原理以及數(shù)學模型兩方面深入地研究了標準螢火蟲算法，并通過和粒子群算法、人工蜂群算法兩種常見的群智能優(yōu)化算法進行仿真實驗對比總結出螢火蟲算法的優(yōu)點與缺點，為算法的改進提供了思路。
　?。?）為了提高螢火蟲算法的全局尋優(yōu)能力，以及

3、加快收斂速度，本文對螢火蟲算法做出的主要改進如下：首先，通過佳點集原理均勻初始化螢火種群，以提高初始解的質量使種群更加多樣性。其次，對算法的可變參數(shù)步長因子α進行了研究分析，并提出了一種動態(tài)調整步長機制，以平衡算法的全局尋優(yōu)和收斂速度。然后，通過引入全局最佳個體改變原始算法的位置更新公式，并對最佳粒子的位置基于維度的變化更新，以此使算法更加容易跳出局部最優(yōu)，增強了全局尋優(yōu)的能力。最后，通過7個標準測試函數(shù)的測試表明，本文改進的算法不僅收