基于余弦相似度的改进蝴蝶优化算法

陈 俊，何 庆

（贵州大学大数据与信息工程学院，贵阳 550025）

（*通信作者电子邮箱qhe@gzu.edu.cn.）

0 引言

近些年，许多学者受到自然界动物习性的启发，对自然界生物种群所表现出群体性行为进行总结，设计出一类具有分布式智能行为的算法（群智能优化算法）。这类优化算法对目标函数性质要求低、容易实现、稳定性好，自提出以来就受到电力系统、工程设计，网络以及通信等领域的广泛关注。

常见的群智能优化算法有：模拟果蝇靠嗅觉定位食物方向行为提出的果蝇优化算法（Fruit fly Optimization Algorithm，FOA）［1］；模拟布谷鸟寄生育繁殖行为和莱维飞行搜索机制的布谷鸟搜索（Cuckoo Search，CS）算法［2］；通过模拟鲸鱼随机搜索扑食，气泡攻击，收缩包围行为的鲸鱼优化算法（Whale Optimization Algorithm，WOA）［3］等。

2017 年，Arora 等［4］受到蝴蝶觅食行为的启发，提出了蝴蝶优化算法（Butterfly Optimization Algorithm，BOA）。蝴蝶个体通过感知和分析空气中气味确定食物的潜在方向，进行合作式的移动。相较于其他的群智能优化算法，蝴蝶优化算法具有结构简单、控制参数少以及算法易实现的特点，在工程上得到广泛的应用。例如张达敏等［5］将改进的蝴蝶优化算法应用于认知智能电网中的能效优化频谱分配上；Wen 等［6］提出一种增强的蝴蝶优化算法，并将改进的蝴蝶优化算法应用于支持向量机参数优化上，最后还预测了长三角地区住宅的二氧化碳年排放量；Malisetti 等［7］提出一种基于对抗的蝴蝶优化算法，并应用于无线传感器的方案选择，延长了无线传感器网络的使用寿命。与其他群智能优化相比，虽然蝴蝶优化算法在设计上具有优越性，但是该算法依旧存在寻优精度低、收敛性差以及易受到局部极值影响的问题。……