一种自适应调整种群子代数量与步长的优化算法——爆米花算法

作者：赵志刚; 莫海淼; 温泰; 李智梅; 郭杨

来源：计算机工程与科学, 2019, 41(05): 900-909.

• 群体智能
• 爆米花算法
• 烟花算法
• 粒子群优化算法
• 函数优化
• 0-1背包问题

提出了一种新的群体智能优化算法——爆米花算法。借鉴了烟花算法爆炸机制的优点,利用个体在寻优过程中适应度值的优劣来动态调整子代的数量,个体的适应度值越好,产生的子代数量越多,并且在该个体附近搜索的子代数量越多,以此控制局部搜索与全局搜索之间的平衡。还借鉴了粒子群优化算法的记忆机制,引入个体最优和全局最优来构造新的爆炸半径,使算法能够在寻优过程中动态地调整步长,并对全局最优进行高斯扰动,增加种群的多样性。实验结果表明:与其他优化算法(如蝙蝠算法、标准粒子群算法、烟花算法)相比,本文提出的爆米花算法总体性能更优。