《表1 FOA与其他群智能算法寻优性能对比结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《果蝇优化算法的进展研究分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

求解最优化问题一直都是计算机工程、生产调度、人工智能等领域广泛关注的一个问题。近年来，以粒子群算法（PSO)[1]、蚁群算法（ACO)[2]、遗传算法（GA)[3]等为代表的群智能算法为人们求解复杂问题提供了强有力的工具。果蝇优化算法（Fruit Fly Optimization Algorithm，FOA)[4-5]是潘文超博士在2011年提出的一种新型的仿生类元启发式智能优化算法，它是通过模仿自然界中果蝇利用其敏锐的嗅觉和尖锐的视觉的觅食行为而设计的一种演化式计算的新算法。FOA调节参数较少，操作简单，具有易于构建的代码框架，可塑性强，只要调节好核心参数，就较容易应用于多个领域去解决实际问题。吴小文等[6]和刘立群等[7]将果蝇优化算法与主流群体智能算法的寻优性能进行对比，结果如表1所示。实验结果表明，果蝇优化算法相比于其他群智能算法计算量较小运行时间短，在迭代次数较低时，收敛精度和收敛速度要比其他群智能算法更高更快，因此全局寻优能力很强。以上的各种优势使其一经提出便受到国内外众多学者的关注和研究。在应用上，果蝇优化算法属于一种研究方法，无领域限制，已被应用于多个学科领域[8]。本文总结了果蝇优化算法从提出到现在国内外对其研究的主要成果，包括在候选解产生机制、搜索步长以及飞行策略等方面的改进和在复杂函数优化、参数优化、调度及物流问题等方面的应用，为FOA的推广应用提供有效的资料，最后提出FOA在算法改进和实际应用方面研究的新方向。