混沌自适应量子萤火虫算法

作者：刘晓楠; 安家乐^*; 何明; 宋慧超

来源：计算机科学, 2023, 50(04): 204-211.

• 量子萤火虫算法
• 群体智能
• 全局优化
• 混沌映射
• 测试函数

为提升量子萤火虫算法(Quantum Firefly Algorithm, QFA)的搜索性能，解决其在面对部分问题时易陷入局部最优等问题，文中提出了一种引入混沌映射、邻域搜索以及自适应随机扰动的改进量子萤火虫算法——混沌自适应量子萤火虫算法(Chaotic Adaptive Quantum Firefly Algorithm, CAQFA)。该算法将混沌映射应用于种群的初始化阶段，提高初始种群的质量；并在更新阶段对当前种群中的最优个体进行邻域搜索，增强算法跳出局部最优的能力；对其他个体引入自适应的随机扰动，增加算法的随机性，在对搜索空间的探索和开发之间寻找平衡，以此提升算法的性能。文中选取了18个不同类型的基准函数对算法的性能进行测试，并将其与萤火虫算法(Firefly Algorithm, FA)、QFA以及量子粒子群优化(Quantum Particle Swarm Optimization, QPSO)算法进行对比。实验结果表明，CAQFA具有更好的搜索能力和稳定性，表现出了较强的竞争力。

• 单位
  信息工程大学