融合折射原理反向学习的飞蛾扑火算法

1 引言
飞蛾扑火优化（Moth-Flame Optimization，MFO）算 法是澳大利亚格里菲斯大学学者 Mirjalili 于 2015 年提 出的一种群智能优化算法 。 [1] MFO 算法相比于其他算 法具有结构简单、易于实现和参数较少等优点[2]，因而该 算法一经提出就有许多学者对其展开研究，并在多个领
Hale Waihona Puke 域进行了应用。例如：Aziz 等人使用该算法与鲸鱼优化 算法结合并应用于图像分割领域[3]；Khalilpourazari 等 人使用该算法设计多项目多约束经济订货批量模型[4]； Zawbaa 等人使用该算法进行特征选择[5]；Trivedi 等人使 用该算法解决经济负荷分配问题[6]；Allam 等人使用该 算法对多晶太阳能电池三二极管模型进行参数提取[7]；
46 2019，55（11）
Computer Engineering and Applications 计算机工程与应用
融合折射原理反向学习的飞蛾扑火算法
王 光，金嘉毅 辽宁工程技术大学 软件学院，辽宁 葫芦岛 125105
摘 要：飞蛾扑火算法是一种新型群智能优化算法，目前已经应用于特征选择和图像分割等诸多领域。然而，传统 的飞蛾扑火算法后期收敛速度不足且容易陷入局部最优 ，从而影响了算法的整体性能。为了提高飞蛾扑火算法的 优化性能 ，提出了一种基于折射原理反向学习的飞蛾扑火算法（ROBL-MFO）。该算法首先在飞蛾的更新公式中引 入历史最优火焰平均值，使火焰间的信息能够互相交流，提高算法的收敛能力 ；其次利用随机反向学习策略对解进 行反向学习，扩大算法的搜索空间 ；最后使用折射原理对解进行折射操作，提高种群的多样性，帮助算法跳出局部最 优。在六个标准实验函数上得到的实验结果表明，对比其他算法，ROBL-MFO 算法拥有更好的收敛速度，且能够有 效跳出局部最优。 关键词：飞蛾扑火算法 ；折射原理 ；反向学习 ；群智能算法 ；种群多样性 文献标志码：A 中图分类号：TP301.6 doi：10.3778/j.issn.1002-8331.1809-0091
王光，金嘉毅 . 融合折射原理反向学习的飞蛾扑火算法 . 计算机工程与应用，2019，55（11）：46-51. WANG Guang, JIN Jiayi. Moth-flame optimization algorithm fused on refraction principle and opposite-based learning. Computer Engineering and Applications, 2019, 55（11）：46-51.
Abstract：Moth-flame optimization algorithm is a new swarm intelligence optimization algorithm. It has been applied to many fields such as feature selection and image segmentation. However, the traditional moth- flame optimization algorithm is prone to fall into local optimum, affecting the performance of the algorithm. For solving the deficiency, a mothflame optimization algorithm based on refraction principle and opposite-based learning（ROBL-MFO）is proposed in this paper. Firstly, it uses the average of the best flame to improve the convergence speed. Then, the opposite-based learning is used to expand the search space of the ROBL-MFO. Finally, for jumping out of the local optimal, it uses refraction principle to improve the diversity of the population. Six test function is used to compare the ROBL-MFO with other algorithms, and the results show that the ROBL-MFO has better convergence speed and can effectively jump out of the local optimal. Key words：moth-flame algorithm; refraction principle; opposite-based learning; swarm intelligence algorithm; population diversity
Moth-Flame Optimization Algorithm Fused on Refraction Principle and Opposite-Based Learning WANG Guang, JIN Jiayi
School of Software, Liaoning Technical University, Huludao, Liaoning 125105, China
基金项目：国家自然科学基金（No.71371091）。 作者简介：王光（1979—），男，副教授，研究领域：数据挖掘；金嘉毅（1994—），男，硕士研究生，研究领域：智能信息处理，E-mail：
1469371536@。 收稿日期：2018-09-10 修回日期：2018-11-19 文章编号：1002-8331（2019）11-0046-06 CNKI 网络出版：2019-01-16, /kcms/detail/11.2127.tp.20190114.1707.006.html