一種基于模擬退火的改進(jìn)Memetic算法

　　針對(duì)標(biāo)準(zhǔn)螢火蟲算法（FA），首先，從數(shù)學(xué)理論上分析并揭示了其存在的種群過早收斂、容易陷入局部最優(yōu)等不足，然后提出一種基于模擬退火的混合螢火蟲Memetic算法。該算法利用標(biāo)準(zhǔn)螢火蟲算法對(duì)上一代種群進(jìn)行全局搜索以保持種群的多樣性和算法的全局探索能力；使用模擬退火算予對(duì)當(dāng)前種群中的部分個(gè)體進(jìn)行局部搜索，以一定概率接受適應(yīng)度較差的個(gè)體以避免算法陷入局部最優(yōu)，該算法同步進(jìn)行螢火蟲吸引過程和模擬退火過程以降低算法復(fù)雜度。最后，對(duì)該算法在10個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)上進(jìn)行對(duì)比仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，該算法在6個(gè)測(cè)試函數(shù)中均能找到最優(yōu)解，最優(yōu)值、平均值、方差等指標(biāo)比對(duì)比算法高出一定數(shù)量級(jí)，在4個(gè)復(fù)合函數(shù)中效果均優(yōu)于螢火蟲算法。

　　螢火蟲算法（ Firefly Algorithm，F(xiàn)A）是受螢火蟲發(fā)光相互 ；吸引和移動(dòng)的啟發(fā)而設(shè)計(jì)的一類新型的群智能優(yōu)化算法。 已有的仿真結(jié)果表明該算法具有精度較高、收斂速度較快、可調(diào)參數(shù)少、操作簡(jiǎn)單、易于實(shí)現(xiàn)等特點(diǎn)，因而該算法近年來已引起許多學(xué)者的廣泛關(guān)注，并應(yīng)用到函數(shù)優(yōu)化、云計(jì)算調(diào)度、流水車間調(diào)度、疾病預(yù)測(cè)、蛋白質(zhì)網(wǎng)絡(luò)、旅行商問題（ Travelling Salesman Problem．TSP）等諸多領(lǐng)域。
?