科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决飞蛾扑火优化(moth-flame optimization, MFO)算法收敛速度慢、容易陷入局部最优等问题，提出一种飞蛾扑火优化(DBMFO)算法。使用Bernoulli混沌映射，提高初始种群的多样性；引入全局扰动因子，提高算法的全局搜索能力；使用互利因子对全局扰动后的位置再次进行更新，避免新的算法陷入局部最优，使得算法更快收敛。通过对10个基准函数进行仿真实验，确定迭代系数的取值，通过Wilcoxon秩和检验来验证算法性能，其结果表明，改进的DBMFO算法在求解的精确度以及收敛速度上均有明显提升。
- 单位
