基于适应性动态步长的变异果蝇优化算法

摘要 针对基本果蝇优化算法（FOA）容易陷入局部最优值、后期收敛速度变慢和收敛精度较低的缺点，提出了一种基于适应性动态步长的变异果蝇优化算法（MFOAADS）。首先，利用佳点集法选取种群初始位置，降低算法初始点选取的随机性和陷入局部最优值的概率；然后，采用适应性动态步长优化策略，提高收敛速度和求解精度；最后，若算法陷入了早熟，则对种群最优个体按一定概率执行柯西变异扰动，赋予其跳出局部最优的能力。经5个经典函数测试表明，固定迭代次数时MFOAADS的收敛精度与收敛速度明显优于FOA；固定目标精度时，MFOAADS相对于FOA平均迭代次数有着大幅下降且成功率达97%以上。实验结果表明，所提算法求解精度、运行效率以及可靠性相对于基本FOA算法都有着显著提高