.png){kind=icon}
返回
Hierarchical multi-strategy firefly algorithm based on Hammersley initialization
.png){kind=icon}
PRE
AI
DOI：10.1007/s00500-025-10837-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决萤火虫算法中收敛速度慢、后期迭代多样性下降以及易陷入局部最优的问题，本文提出了一种基于Hammersley初始化的层次多策略萤火虫算法（MOFA-HWG）。首先，采用Hammersley序列初始化种群，生成差异小且均匀分布的点集，从而提升初始种群质量。其次，基于支配关系将种群动力学分为两级：上层萤火虫引入黄金正弦策略以增强信息共享和最优解，缩小高质量萤火虫的搜索范围并加速种群收敛；下层萤火虫引入对数增量权重策略，在早期迭代扩展搜索范围以探索潜在高质量解，同时在后期迭代避免停滞。最后，提出非均匀质心反向变异以扰动最优解，增强算法的局部逃逸能力。通过在基准函数上与5种经典及11种近期多目标优化算法进行对比实验，并开展消融研究验证多策略协同的有效性，结果表明MOFA-HWG在GD、SP、MS和IGD指标上表现最优。该算法显著提升了优化速度和精度，同时展现了逃逸局部最优的能力。
Keyword:
Multi-objective firefly algorithm
Hammersley sequence
Hierarchical learning
Centroid reverse learning
期刊
IF:
2.5
论文数:
1.0W
被引数:
2.1W
机构
引用论文
.png){kind=icon}
分享收藏分享收藏分享收藏分享收藏分享收藏
分享收藏分享收藏分享收藏
查看更多内容