原文服务方: 微电子学与计算机       
摘要:
为了克服原始萤火虫算法(Glowworm swarm optimization,GSO)对于高维、多峰函数寻优精度不高和后期收敛速度较慢的问题.为此,有针对性地提出了一种改进的动态步长萤火虫优化算法,在整个迭代期间,萤火虫的算法步长呈非线性递减.在寻优初期保持着一个相对较大的步长进行搜索,增强其全局寻优能力,在算法后期保持一个较小的移动步长,增强其局部搜索能力.此外将原始萤火虫算法在Nit集合为0时不移动,改成试探性向外随机移动策略.采用该算法的改进思想,能在一定的程度上避免算法因为过早的成熟而陷入局部最优,并且改进的算法比原始萤火虫算法有着更好的收敛精度.通过与原始GSO和改进算法ASGSO做对比,Matlab实验仿真表明,此改进算法在一定程度上提高了收敛速度和寻优精度.
推荐文章
一种新颖的改进萤火虫算法
萤火虫算法
多峰函数
动态步长
自适应
一种改进的变步长的萤火虫算法
萤火虫算法
全局优化
变步长
函数优化
一种改进的自适应步长的萤火虫算法
萤火虫算法
自适应步长
预防失活
一种基于全局最优的改进萤火虫算法
萤火虫算法
函数优化
共生生物搜索
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种改进的萤火虫算法
来源期刊 微电子学与计算机 学科
关键词 萤火虫算法 多峰函数 动态步长
年,卷(期) 2018,(2) 所属期刊栏目
研究方向 页码范围 61-66
页数 6页 分类号 TP391.9
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李炜 安徽大学计算机与科学与技术学院 69 399 12.0 14.0
2 郭星 安徽大学计算机与科学与技术学院 48 208 8.0 10.0
3 左仲亮 安徽大学计算智能与信号处理重点实验室 2 11 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (38)
共引文献  (59)
参考文献  (5)
节点文献
引证文献  (8)
同被引文献  (28)
二级引证文献  (0)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(8)
  • 参考文献(1)
  • 二级参考文献(7)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(6)
  • 参考文献(1)
  • 二级参考文献(5)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(4)
  • 参考文献(0)
  • 二级参考文献(4)
2014(4)
  • 参考文献(1)
  • 二级参考文献(3)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(5)
  • 引证文献(5)
  • 二级引证文献(0)
2020(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
萤火虫算法
多峰函数
动态步长
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
微电子学与计算机
月刊
1000-7180
61-1123/TN
大16开
1972-01-01
chi
出版文献量(篇)
9826
总下载数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导