基于模擬退火思想的果蠅優(yōu)化算法

　　果蠅優(yōu)化算法（ Fruit Fly Optimization Algorithm，F(xiàn)OA）是一種新型的群智能優(yōu)化算法，算法是根據(jù)果蠅的覓食行為進(jìn)行推演形成的一種尋找全局最優(yōu)解的新方法。該算法與粒子群優(yōu)化（Particle Swarm Optimization，PSO）算法、人工魚群算法（Artificial Fish Swarm Algorithm，AFSA）和遺傳算法（ Genetic Algorithm，GA）等相比具有計(jì)算量較小、參數(shù)少、結(jié)構(gòu)簡(jiǎn)單、易于實(shí)現(xiàn)的特點(diǎn)，但同時(shí)該算法也存在不夠穩(wěn)定、易陷入局部最優(yōu)的缺陷。

　　為了提高果蠅優(yōu)化算法的收斂速度與全局尋優(yōu)能力，本文采用非均勻變異的思想對(duì)果蠅尋優(yōu)步長(zhǎng)進(jìn)行改進(jìn)，以提高算法的收斂速度與精度。同時(shí)將模擬退火算法與果蠅算法進(jìn)行結(jié)合，提出了基于模擬退火思想的果蠅優(yōu)化算法（ Simulate　Anneal-Fruit fly Optimization Algorithm，SA-FOA）。改進(jìn)后的算法可以以一定的概率吸收最差的解，并以最差解作為下代果蠅尋優(yōu)的新起點(diǎn)，從而使算法跳出局部最優(yōu)值，增強(qiáng)全局尋優(yōu)的能力。