一种用于连续优化的鲁棒混合萤火虫算法

摘要

萤火虫算法是一种基于种群的随机全局优化算法，但它易陷入局部最优和早熟，且收敛速度慢。为了克服其缺陷，本文提出了一种鲁棒混合萤火虫算法（RHFA）。本算法在标准萤火虫算法的基础上，融入基于分段线性混沌映射（PM）和改进的局部随机搜索策略（MLS）。PM增强种群多样性，并通过MLS加速局部开发，实现探索与开发的自适应平衡。RHFA与其他已有算法进行了比较，实验结果表明，RHFA在全局搜索方面表现出更强的探索力与稳定性，不仅收敛更快，而且所获得的解精度更高、质量更优。

关键词

萤火虫算法 / 混沌映射 / 局部随机搜索 / 鲁棒性 / 全局优化