.png){kind=icon}
返回
Firefly algorithm with multiple learning ability based on gender difference
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-09523-9.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
萤火虫算法（FA），虽然对复杂优化有效，但存在搜索振荡和低收敛精度等固有局限性。为解决这些问题，提出了一种基于性别差异的多学习萤火虫算法（MLFA-GD）。首先，该算法将随机初始化的种群均匀分为雄性和雌性子群。然后分别设计了雄性萤火虫学习策略，其结合了部分吸引模型与逃逸机制，以及雌性萤火虫学习策略，该策略由雄性子群广义质心和全局最优个体共同引导。此外，进一步引入随机游走策略以提高优化精度。与现有的基于性别的FA变体不同，雄性萤火虫要么飞向更亮的雌性萤火虫，要么远离较弱的个体以增强探索能力。同时，雌性萤火虫由两个精英雄性个体引导更新位置，有效利用历史搜索信息以提高开发能力。该算法在23个数值函数、30个CEC 2017基准函数和自动测试数据生成问题上的性能进行了评估。与六种FA变体和十种流行的元启发式算法的实验比较结果证实了其增强的搜索能力和显著更高的优化精度，验证了其在平衡探索与开发方面的有效性。
Keyword:
Firefly algorithm
Gender difference
Partial attraction model
Generalized centroid
Random walk
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.9
论文数:
28.3W
被引数:
83.5W
机构
引用论文
.png){kind=icon}
Moth-flame optimization algorithm: A novel nature-inspired heuristic paradigm蛾焰优化算法: 一种新的自然启发启发式范式
PREAI
分享收藏
分享收藏INFO: An efficient optimization algorithm based on weighted mean of vectorsINFO: 一种基于向量加权均值的高效优化算法
PREAI
分享收藏分享收藏
查看更多内容