2014—08—10
ISSN 1001．9081
Joumal of
Computer Applications
CODEN
JYIIDU
http：／／www．joca．cn
计算机应用，2014，34(8)：2295—2298，2321
doi：10．11772／j．issn．1001—9081．2014．08．2295
文章编号：1001．9081(2014)08—2295．04
结合元胞自动机的果蝇优化算法
贺智明，宋建国’，梅宏标
(江西理工大学信息工程学院，江西赣州341000)
(+通信作者电子邮箱songjianguo@163．tom)
摘要：果蝇优化算法(FOA)作为一类新的优化搜索算法，广泛应用于各种优化问题。针对该算法后期求解精
度低、容易陷入局部最优且收敛缓慢的缺点，提出一种结合元胞自动机的果蝇优化算法(CAFOA)。该算法在首次求
解时利用元胞演化规则选择果蝇最优个体邻域，然后对选择后的果蝇个体位置进行随机扰动，分别用邻域个体复制
更新演化前个体位置，再次进行迭代寻优，从而有效克服算法陷入局部最优。对6种常见测试函数进行了运算仿真。
实验结果表明，所提算法比传统算法的平均收敛精度提高10％，达到稳定全局最优值的平均迭代次数减少870次，从
而论证了算法的有效性。
关键词：元胞自动机；果蝇优化算法；演化规则；邻域；随机扰动
中图分类号：TP301．6；TPl8
文献标志码：A
based on cellular automata
Fruit fly optimization algorithm
HE
Jianguo。，MEI Hongbiao
Zhiming，SONG
Science and
(Faculty of Information Engineering,施ngxi University of
Technology,Ganzhou Jiangxi 341000，China)
in all kinds of
used
as a new
Abstract：The Fruit
widely
optimization problems
in local
optimum
fly Optimization Algorithm(FOA)was
order to
the
of low
kind of
search
overcome
shortcomings
precision，easily trapping
optimization
algorithm．In
in later
and the slow
novel
of FOA based on Cellular
Automata(CAFOA)was
proposed．
convergence
period，a
algorithm
CAFOA used cellular evolution rules to select the best individual
the first
it
evolution，then
location before evolution
previous
drosophila neighborhood during
the
selected the location of individual fruit
to conduct random
and
fly
perturbation
it could obtain the value of
secondary
replaced
out of local extremum and continue to
with its
neigborhood’8，SO
optimization，jump
were conducted on the six kinds of classical test functions for
simulation．The
experimental
than the traditional
algorithm’S
optimize．Experiments
operation
results show
that，the
of the
is
proposed algorithm
average convergence precision
10％higher
and the
number of iterations to achieve stable
values is reduced to
global optimal
demonstrates the
870，which
average
effectiveness of the new algorithm．
words：CeHular
Automata(CA)；Fruit
nile；neighborhood；random
Key
fly Optimization Algorithm(FOA)；evolution
perturbation
度缓慢，易发散，尤其是对于高维多极值复杂优化问题。
针对FOA的收敛速度缓慢，易陷入局部最优和收敛精度
低的缺点，本文提出一种基于元胞自动机的果蝇优化算法
0
引言
果蝇优化算法(Fruit
fly Optimization Algorithm，
CeHular
based on
(FOA
Automata，CAFOA)。该算法通过元胞
FOA)¨ -2]是一类基于生物启发式的全局优化智能算法，源于
对果蝇群体觅食行为的仿真，目前为止，果蝇最佳化演算法仍
是一个较新的研究领域，该算法已经被应用于财政、工程和科
学等领域，也可混合神经网络、模糊数学等一起使用，现已将
其成功应用于优化控制设计、预测、多维背包问题以及求解数
学函数极值微调Z—SCORE模型系数与支持向量机参数的优
化等方面‘3|。
自动机(Cellular Automata，CA)演化规则进行最优种群的选
择，提高种群的多样性，然后对于选择后的群体位置进行随机
扰动，避免陷入停滞，分别用邻域个体复制更新演化前个体位
置，继续二次迭代寻优，有效避免算法陷入局部收敛，可以跳
出局部极值，提高FOA的收敛精度和收敛速度。并通过对6
个典型函数进行仿真测试，测试结果表明，本文所提出的
CAFOA的全局收敛性、收敛速度和寻优精度有了很大的提
高。
FOA是一种新型的群智能算法，与其他群智能算法比
较，FOA简洁，收敛速度快且收敛精度高。它只有两个参数
(种群规模与进化代数)供调节，程序代码容易实现，计算量
小，执行时间短，与其他群智能算法相比，更容易被用于解决
1
元胞自动机
实际问题。FOA和其他全局优化算法(如蚁群算法、蜂群算
法等)口。51一样，在处理较复杂问题时候缺乏稳定性，收敛速
元胞自动机(CA)卜71是经典的自然计算模型，它用于模
拟生命系统所具有的自我复制功能，具有时间和空间上的离
收稿日期：2014-03—03；修回日期：2014—04．16。
基金项目：江西省教育厅自然科学基金资助项目(DJJl2346)，江西省研究生创新基金资助项目(YC2013一S198)。
作者简介：贺智明(1966一)，男，江西永新人，教授，硕士，主要研究方向：数据仓库、数据挖掘；宋建国(1990一)，男，内蒙古赤峰人，硕士
研究生，主要研究方向：云计算、群体智能；梅宏标(1976一)，男，江西南昌人，副教授，博士，主要研究方向：大规模仿真系统工程。
万方数据
全部评论(0)