国际群体智能与进化计算杂志

抽象的

基于多层爆炸的烟花算法

Jun Yu*、Hideyuki Takagi 和 Ying Tan

我们提出了一种新的多层爆炸策略，该策略受到真实重做算法的各种爆炸模式的启发，以加速重做算法（FWA）。每个重做个体进行多次爆炸以仔细探索局部适应度景观，而不是在标准 FWA 中使用的单层爆炸。在该提案中，每个重做个体在第一层随机生成少量火花，然后生成的火花进行第二层爆炸以生成新的多样化火花。这些新火花重复上述操作，直到本次迭代的次数达到预定义的最大层数。理论上，爆炸层数可以设置为任何正整数，并且所提出的策略希望使用多层爆炸策略生成各种潜在火花，而不会改变生成的火花总数。所提出的策略不仅可以轻松地与基本 FWA 结合，还可以轻松地与其他版本的 FWA 算法结合，并替换其相应的爆炸操作以开发新版本，即基于多层爆炸的 FWA。为了评估我们提案的性能，我们选择了 FWA 的更强大的变体增强型 FWA（EFWA）作为基线算法，并与我们提出的爆炸策略相结合。我们对来自 CEC2013 测试套件的 28 个基准函数（二维 (2-D)、10-D 和 30-D）进行了 30 次试运行，并与几种最先进的 EC 算法进行了比较。实验结果证实了所提出的策略是有效且有前景的，可以在收敛速度和收敛精度方面为 FWA 获得更好的性能。最后，我们分析了提案的组成和可行性，并列出了一些未解决的课题。