基于Logistic混沌映射优化的君主蝶优化算法①

倪龙雨,符 强,吴沧辰

(宁波大学科学技术学院,宁波 315300)

1 引言

近些年来,元启发式算法中最具代表性的范例之一:群智能(SI)算法,越来越受到广泛的学者欢迎.其各个方向的研究成果已运用到计算机、图画、数学、决策控制等众多领域中,例如:机场调度、风力发电优化等.群智能的概念最早是在1993年由Bonabeau 等提出,其灵感主要来自于自然中的群体工作的集体或系统.例如受蚂蚁通过信息素记住曾经去过的地方的行为方式启发,Dorigo 等学者提出蚁群优化(ACO)[1];受鸟群寻找食物的社会行为启发,Kennedy 等学者提出粒子群优化(PSO)[2].之后,越来越多优异的群智能算法被学者们提出,例如灰狼蝙蝠(BA)算法[3]、人工蜂群(ABC)算法[4]、萤火虫(FA)算法[5]、蜻蜓(DA)算法[6],以及本文要讲述的由Wang 等学者提出的君主蝶优化(MBO)算法[7]等等.

君主蝶优化算法(Monarch Butterfly Optimization,MBO)是由Wang 等学者经过模仿君主蝶在自然界中的迁移行为于2015年提出的一种元启发式算法,该算法可用以处理函数、陈列组合等经典优化问题,具有相较于其他算法可以在大多数基准测试函数上找到更优值的能力.在君主蝶优化算法中,所有个体都被理想化,并且只栖息在两个地区,这里称为子群一(LandP1)和子群二(LandP2).君主蝶的位置以两种方式进行更新,分别为迁移算子(子群一)与调整算子(子群二).当然也能同时实现两种算子,这体现了其并行处理的功能,可以通过调节二者关系对算法的收敛性与多样性进行平衡性调整.本文从MBO 寻优过程出发,注意到MBO 易陷入局……