果蝇优化算法研究综述

果蝇优化算法(FOA)是一种新兴的群体智能算法,其思想来源于果蝇群体觅食行为。为进一步推广应用FOA并为深入研究该算法提供相关资料,在分析FOA基本原理和优缺点的基础上,从FOA各种改进技术及其应用等方面进行深入调查,论述了该算法的改进策略,并阐述了FOA在复杂函数优化、参数优化和组合优化等方面的应用。最后对FOA发展趋势做出展望。     

基于果蝇优化算法的电力系统无功优化

针对电力系统无功优化存在的问题,提出了一种基于果蝇优化算法的无功优化。首先将该算法运用到无功优化问题中,并对IEEE30节点进行仿真计算,结果表明,该算法对于求解复杂无功优化问题具有可行性和有效性,同时运用PSO优化算法对IEEE30节点进行了优化,对比结果表明果蝇优化算法具有更好的优化能力。     

一种新型的果蝇优化算法

针对维数较高的单目标非约束函数优化问题,探讨一种易于应用的新型果蝇优化算法。算法设计中,优质种群经由局部变异增强探测能力;中等种群经由优质种群有引导性地实现个体转移;劣质种群经由均匀变异展开多方位搜寻多样个体。比较性的数值实验显示,该算法求解偏高维函数优化问题具有一定的优势。     

一种改进的果蝇优化算法

果蝇优化算法(FOA)有易陷入局部最优和应用领域小的不足之处.通过修改味道浓度判定值,并将整个迭代寻优过程分为果蝇移动范围逐步增大和逐步减小两阶段,给出了一种改进的果蝇优化算法(IFOA).相对于FOA,IFOA扩大了应用领域,保证了果蝇群体的多样性,也使果蝇更易跳出局部最优.最后对于6个经典测试函数的仿真试验结果表明,IFOA具有更好的全局搜索能力,在收敛精度、收敛速度和收敛稳定性上均比FOA有较大提高.     

虚拟现实中基于果蝇优化算法的碰撞检测

为了提高虚拟现实中碰撞检测的性能,采用包围盒和果蝇优化算法的二级碰撞检测,以优化碰撞检测精度。根据检测物体形状进行紧密率计算,选择最高紧密率包围盒进行物体包围,根据盒包围交叉空间完成一级碰撞检测;根据盒包围交叉空间对待检测物体进行特征提取,根据提取的特征构建果蝇种群,以待检测物体的同类特征距离的倒数作为果蝇群体的实物浓度适应度函数,通过果蝇算法迭代,选择最优适应度个体,即特征最小距离,根据最小特征距离实现物体的二级碰撞检测。试验表明,合理设置果蝇个体搜索步长,通过两级碰撞检测,可以获得较好的碰撞检测准确度。与虚拟现实中的常用碰撞检测技术相比,所提算法的碰撞检测精度高且耗时少。     

自适应搜索云逃逸的果蝇优化算法

针对果蝇优化算法解决高维复杂问题时存在的早熟收敛问题,提出一种自适应搜索云逃逸的果蝇优化算法.分析了果蝇优化算法恒定步长会影响算法的寻优精度,以算法的迭代步值为引导因子设计自适应的搜索方式,协调算法全局搜索与局部搜索的能力.在算法搜索后期,为避免种群多样性过早丧失而导致求解问题陷于局部最优解,以云模型为基础设计云逃逸机制协助算法跳出局部限制进行深度搜索.对10个不同优化问题的实验表明:所提算法从求解精度、收敛速度以及稳定性方面都具有更良好的性能.     

一种新的自适应步长果蝇优化算法

针对基本果蝇优化算法(FOA)易陷入局部最优、寻优精度低和后期收敛速度慢的问题,提出了一种自适应步长果蝇优化算法(ASFOA).该算法在运行过程中根据上一代最优味道浓度判断值和当前迭代次数来自适应调整进化移动步长,使算法在初期的步长大而避免种群个体陷入局部最优,到后期果蝇移动的步长变小而获得更高的收敛精度解,并加快收敛速度.通过6个标准测试函数对改进算法进行仿真测试,结果表明ASFOA算法具有更好的全局搜索能力,其收敛精度、收敛速度均比FOA算法及参考文献中其他改进果蝇优化算法有较大的提高.     

基于果蝇优化算法和DWT-SVD的数字水印方法

针对嵌入水印强度的不确定性,提出了一种利用果蝇优化算法并结合小波变换与奇异值分解的数字图像水印嵌入算法。首先,利用小波变换对载体图像进行二级小波分解,然后对LL2子带进行4×4分块并进行奇异值分解以提高嵌入水印的稳定性,最终将水印信息以一定的强度嵌入到分解的最大奇异值中。果蝇优化算法综合考虑水印嵌入算法的鲁棒性与不可见性之间的矛盾,并结合水印嵌入方案确定最佳嵌入强度,首先根据影响水印性能的指标定义适应度函数,并对该函数的参数进行优化,确定了最佳的适应度函数,然后再应用果蝇优化算法寻找嵌入水印强度的最优解。最后通过仿真实验对该水印方案的性能进行测试与分析,实验结果表明,当嵌入水印图像的峰值信噪比达到40 dB时,提取水印的平均NC值能达到0.98以上。     

基于退火果蝇优化算法的Web服务组合

随着互联网中Web服务数量急剧增加,如何快速地从大量候选服务中选择出满足用户Qo S需求的服务组合成为亟待解决的关键问题。Qo S感知的服务组合优化问题是典型的NP-hard问题,而智能优化算法已成为主流的求解方法。在对web服务组合建模基础上,提出一种基于退火操作的果蝇优化算法(AFOA)。该算法通过引入模拟退火操作,使个体在进化过程中以一定概率进行突变,从而引向全局最优解,较好地避免了FOA易早熟收敛陷入局部最优的问题。大量实验结果表明,该算法在不减弱时间性能的同时,全局寻优性能较果蝇算法(FOA)、模拟退火算法(SA)有很大的提升。     

基于改进果蝇算法和长短期记忆神经网络的油田产量预测模型

产量预测是油田生产动态开发研究的重要内容之一。油田的长期生产积累了大量数据,但是波动幅度很大,直接应用长短期记忆神经网络预测油田的生产指标,会出现神经网络泛化性很差的问题。因此,首先利用双层长短期记忆神经网络(long-short term memory,LSTM)和随机式失活对神经网络架构进行调整,建立了深度学习神经网络模型;并提出了一种新的果蝇聚集方法,通过改进的果蝇优化算法对所建立的神经网络模型进行优化,避免其陷入局部最优解,搜寻解空间的最优解;最后,油田实例验证表明,优化后的深度学习网络的网络泛化能力和预测精度有了较大提高,对于油田波动性较大的数据也能较好地拟合。所建立油田产量预测模型可应用于矿场开发实际。     

基于扇形趋利果蝇优化算法改进的FS-K聚类算法

针对果蝇算法对高维函数收敛精度低的缺点,提出了一种改进的基于扇形搜索的果蝇算法(Fan search-Fruit Fly Optimization Algorithm,FS-FOA),该算法在原果蝇FOA算法的基础上改进了果蝇群体的搜索路径,并赋予果蝇个体趋利性,使更多的果蝇个体朝着味道浓度更大的方向前进,使果蝇群体的搜索方向有更多的选择性,增加果蝇算法在处理高维函数问题上的收敛速度和收敛精度;并将改进的FS-FOA算法与K-means聚类相结合,提出一种FS-K聚类算法,与原K-means聚类和原果蝇(FOA)算法进行对比实验,引入5个经典的测试函数对原FOA算法和FS-FOA算法寻优结果进行测试,结果表明采用FS-FOA算法具有更高的收敛精度;引入5个UCI公共数据集对改进FS-K聚类算法和原K-means算法、SOM聚类算法、FCM聚类算法进行测试,结果表明FS-K聚类算法具有更好的聚类效果。     

基于果蝇优化算法数据中心网络节能路由机制

提出一种面向通用拓扑、基于果蝇优化算法的动态路由机制来提高数据中心网络的能效.首先,推导出数据中心网络能效模型;然后,设计基于果蝇优化算法的节能路由机制,该机制通过模拟果蝇觅食过程中不断调整优化方向和位置来进行寻路策略,提出决定下一条节点的启发式,最终获得最佳节能路由;在此基础上,提出基于果蝇优化的节能路由算法实现该路由机制;最后,通过仿真实验验证算法的有效性,实验证明本文算法在提高能效的同时,网络性能优于现有算法.     

混合果蝇算法及其在组合优化中的应用

为改善基本果蝇算法易陷入局部最优及早熟的缺陷,利用一种改进的果蝇算法来进行优化,利用免疫算法自我-非自我的抗原识别机制及免疫系统学习■记忆■遗忘的知识处理机制提高算法的搜索能力及算法精度。改进算法将在果蝇算法执行后期引入免疫反应,通过产生不同抗体来增强种群多样性,跳出局部最优。通过数值仿真及实际案例的对比结果表明,改进算法的寻优表现更加良好,为算法优化提供一种有效可行的方法和思路。     

结合果蝇优化算法的PI主动队列管理方法

为解决PI(Proportional Integral)算法收敛速度慢的问题,结合果蝇优化算法提出一种新的PI主动队列管理算法(PIFF).阐述PI主动队列管理机制及丢包率计算方法,结合队长和到达速率定义丢包策略,利用果蝇优化算法刻画了数据包瞬时状态.通过NS2和Matlab进行仿真实验,深入分析了影响该算法的关键因素,对比研究了该算法与其它算法之间的性能状况.研究结果表明:在长期TCP会话数下PIFF能够减少数据包排队时延,有效缓解网络拥塞.     

基于果蝇算法的过热汽温自抗扰优化控制

锅炉过热汽温的动态特性会随运行工况发生较大变化,传统的控制方法难以达到理想的控制性能。该文基于线性自抗扰控制器设计串级优化控制方案,根据现有的比例-积分-微分(PID)控制器参数计算自抗扰控制器参数初值,进而基于改进的优化指标,采用果蝇算法优化出一组适用于不同工况的固定控制器参数。仿真结果表明:该方案能够很好地平衡快速性与稳定性的矛盾,且具有更好的性能鲁棒性。     

基于果蝇优化算法的PID控制器设计与应用

针对传统的Z-N法得到的PID参数,难以获得最优的控制性能,提出一种基于果蝇优化算法的PID控制器参数优化的方法。果蝇优化算法具有控制参数少、实现简单和优化性能良好的优点,运用此算法设计出PID控制器,与Z-N法和遗传算法设计的PID控制器进行比较。仿真结果表明:果蝇优化算法的PID控制器比Z-N法和遗传算法的PID控制器所得结果更优,比遗传算法具有较快的收敛速度,并应用于环形一级倒立摆系统的稳定控制问题,达到较好的控制效果。     

基于分组协同进化策略的果蝇优化算法研究

针对果蝇优化算法存在收敛速度慢且易于陷入局部最小值等问题,研究了基于分组协同进化策略的果蝇优化算法.利用分组协同进化策略可以扩大果蝇种群的搜索范围,从而使算法具有快速收敛和跳出局部最优解的能力.利用改进后的果蝇优化算法,对Sphere、Schwefel2.22等8个函数进行测试并与IFOA、WFOA、FOA、PSO、BA算法进行比较分析,结果表明,该算法具有较好的全局搜索能力和较快的收敛速度.     

动态调整进化方向与策略的果蝇优化算法

针对标准果蝇优化算法(FOA)收敛速度慢、容易陷入局部最优和寻优精度低等缺陷,提出了动态调整进化方向与策略的果蝇优化算法(FOADAEDS)。首先,种群初始位置由佳点集理论选取;其次,根据种群进化信息动态调整进化指导方向和搜索步长;最后,当算法陷入早熟时,改变搜索策略以跳出局部最优。对6个经典测试函数进行仿真运算,结果表明,本文提出的改进算法相比标准果蝇优化算法和其他几种改进算法,有较好的寻优精度和收敛速度。     

基于果蝇优化算法的零件图像边缘检测算法研究及应用

为实现零件图像的边缘检测,针对传统基于微分的边缘检测算法存在边缘点定位不准确、角点漏检等不足,提出一种基于果蝇优化算法(fruit fly optimization algorithm,FOA)的零件图像边缘检测算法.该算法首先通过Canny算子得到边缘点的先验知识,再利用希尔伯特变换提取角点信息,以边缘点和角点信息作...     

基于改进的果蝇优化算法的WSN节点部署设计

针对非均匀监测点的节点部署问题,设计并实现了一种简单、实用的果蝇优化算法(WSN-IFOA),构造了适用于节点部署的味道浓度函数。利用果蝇群体的随机寻优性,能够保证部署尽可能少的传感器节点使网络覆盖和连通。实验结果表明该算法在部署效果上优于基本蚁群算法,并证明了算法的可行性和有效性。