为解决萤火虫算法易陷入局部最优、收敛速度慢等问题,提出一种多策略集成萤火虫算法.该算法首先在位置更新公式中引入基于注意力机制的惯性权重,帮助萤火虫跳出局部最优,从而有效提升算法的收敛速度;其次提出一种步长调整机制,为萤火虫算法评估次数设定某一阈值,提高算法的局部开发能力;最后引入改进的邻域搜索策略,充分利用每只萤火虫的历史最优位置信息,使当前待优化粒子有机会搜索到更优解,可有效改善算法迭代后期探索能力下降的问题.12 个基准测试函数和22 个复杂测试函数的实验结果表明,所提算法具有良好的收敛速度和优化精度.
万方数据
维普
