改进的果蝇优化算法提升复杂问题求解性能

本文主要探讨了"新型果蝇优化算法的研究"，针对传统果蝇优化算法（FOA）在寻优精度和容易陷入局部极小点的问题进行了改进。该研究创新之处在于提出了一种分群搜索策略，通过赋予不同果蝇群体不同的飞行半径，增强了种群的多样性，有助于探索更广阔的搜索空间，避免局部最优陷阱。此外，作者对果蝇个体的飞行距离与方向的步长函数进行了调整，引入了具有周期震荡性质的函数，这有助于引导果蝇群体跳出局部极小点，从而提高搜索的全局性能。 在介绍背景时，作者提到优化问题在多个领域的重要性，特别是随着计算机科学技术的进步，进化算法如蚁群算法、遗传算法、粒子群算法、差分进化算法和鱼群算法等被广泛应用。然而，每种算法都有其局限性，比如蚁群算法过于复杂，遗传算法计算量大且易早熟，粒子群算法易陷入局部最优，差分进化算法和鱼群算法复杂度高且计算负担重。 果蝇优化算法作为一种新兴的群智能算法，因其易于理解和实现、参数较少、全局寻优能力强以及收敛速度快而受到关注。然而，它的稳定性不足，对于复杂问题的处理能力有限。因此，作者结合安徽省科技攻关项目，针对这些不足进行了深入研究，并通过实验验证了新提出的策略能有效提升搜索精度、收敛速度和稳定性。 该论文的研究成果不仅对改进果蝇优化算法具有理论价值，也为解决实际问题中的优化难题提供了新的思路。研究团队由安徽大学的朱志同、郭星和李炜三位学者组成，他们在智能计算与信号处理等领域有着丰富的研究背景和实践经验。论文发表于《计算机工程与应用》杂志，展示了他们对该领域的持续贡献和对解决当前优化问题挑战的承诺。