引力搜索增强的烟花算法：优化速度与精度提升

本文主要探讨了带有引力搜索算子的烟花算法(Fireworks Algorithm with Gravitation Search Operator, FAGSO)，这是一种针对烟花算法(FA)存在的问题进行改进的优化方法。烟花算法在寻优过程中，粒子之间的信息交流相对较少，特别是在处理目标函数最优解不位于原点或其附近的情况时，算法的表现往往不尽如人意。为了解决这些问题，作者提出了FAGSO，它引入了引力搜索的概念，通过模拟粒子间的引力作用来增强粒子维度信息的处理，从而提升算法的优化性能。 引力搜索算子的核心思想是模仿自然界中物体之间的引力交互，使得粒子能够更有效地向潜在的最优解聚集。在FAGSO中，这个操作被应用于粒子的位置更新，使得粒子在搜索过程中能够更好地适应复杂的函数优化问题。通过调整引力的大小和方向，算法能够在全局范围内寻找最佳解决方案，尤其是在处理具有偏移函数（即最优解偏离原点的函数）时，其优势更为明显。 为了验证FAGSO的有效性，研究者进行了六种标准测试函数以及额外增加位置偏移的函数的仿真实验。实验结果显示，相比于传统的烟花算法FA、粒子群算法和引力搜索算法，FAGSO在寻优速度和精度上表现出显著的优势。这意味着FAGSO在解决实际工程中的优化问题时，不仅提高了求解效率，而且能更准确地找到全局最优解。 总结来说，本文的主要贡献在于提出了一种结合烟花算法和引力搜索策略的新方法，旨在解决优化过程中粒子交流不足和适应复杂函数特性的问题。通过实验验证，FAGSO展现出在处理不同类型函数优化任务时的优越性能，为工程实践中的全局寻优提供了有力工具。对于那些需要高效全局优化的领域，如控制系统设计、机器学习等，FAGSO无疑是一个值得考虑的改进策略。