文献类型：期刊文章

作　　者：刘倩[1] 冯艳红[1,2] 陈嶷瑛[1]

LIU Qian;FENG Yanhong;CHEN Yiying(School of Information Engineering,Hebei GEO University,Shijiazhuang 050031,China;Intelligent Sensor Network Engineering Research Center of Hebei Province,Hebei GEO University,Shijiazhuang 050031,China)

机构地区：[1]河北地质大学信息工程学院,河北石家庄050031 [2]河北地质大学河北省智能传感物联网技术工程研究中心,河北石家庄050031

出　　处：《郑州大学学报（工学版）》

基　　金：国家自然科学基金资助项目(61806069)。

年　　份：2021

卷　　号：42

期　　号：3

起止页码：53-58

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、IC、MR、RCCSE、ZGKJHX、核心刊

摘　　要：针对飞蛾火焰优化算法(moth-flame optimization algorithm,MFO)在求解最优化问题时存在寻优精度低、易陷入局部最优等问题,提出一种基于混沌初始化和高斯变异的改进飞蛾火焰优化算法。首先,采用立方混沌映射对飞蛾种群进行初始化操作,使飞蛾更均匀地分布于搜索空间;其次,应用高斯变异对种群中少数较差个体进行扰动以增强算法跳出局部最优的能力;最后,通过阿基米德曲线扩大搜索范围,提高算法对未知领域的探索能力。在CEC14测试函数及21个可扩展Benchmark函数上进行了一系列实验,与标准飞蛾火焰优化算法、遗传算法、人工蜂群算法、粒子群算法、差分进化算法、花授粉算法和蝴蝶优化算法进行比较,结果表明,该算法能明显提高解的精度和算法的收敛速度。

关 键 词：混沌初始化  高斯变异 阿基米德曲线  飞蛾火焰优化算法  群体智能

分 类 号：TP301]