[科普中国]-萤火虫算法-

萤火虫算法（Firefly Algorithm）是一种启发式算法，灵感来自于萤火虫闪烁的行为。萤火虫的闪光，其主要目的是作为一个信号系统，以吸引其他的萤火虫。剑桥大学的Xin-She Yang（音译：杨新社）教授提出了萤火虫算法，其假设为：1

萤火虫不分性别，这样一个萤火虫将会吸引到所有其他的萤火虫;吸引力与它们的亮度成正比，对于任何两个萤火虫，不那么明亮的萤火虫被吸引，因此移动到更亮的一个，然而，亮度又随着其距离的增加而减少;如果没有比一个给定的萤火虫更亮的萤火虫，它会随机移动。

亮度应与目标函数联系起来。萤火虫算法是以自然为灵感的启发式优化算法。

算法描述萤火虫算法的伪代码可以概括为：

Begin

1）目标函数

2）生成一个萤火虫的初始人口

3）制定光照强度l，因此，它与（例如，对于最大化问题或;

4）定义吸收系数

while(T

for i =1:n(所有n萤火虫)

for j =1:n(n萤火虫)

if({\displaystyle I_{j}>I_{i}})，

移动萤火虫i向j;

end if

吸引力与距离;

评估新的解决方案和更新的光强度;

end for j

end for i

排名萤火虫和找到当前最佳;

end while

处理后的结果和可视化;

end

对于任何一两只萤火虫的主要更新公式是，其中是步长参数, e 是一个矢量（服从高斯或其他的分布）。

可以证明在的情况，FA可以简化为准粒子群优化(PSO).事实上，，如果内环（j）条被删除，亮度替换为当前的全球最佳，FA基本上成为标准PSO。

萤火虫算法的变种离散萤火虫算法离散形式的萤火虫算法（Discrete Firefly Algorithm，DFA）DFA优于现有算法如蚁群算法。

对于图像分割，基于FA-方法比Otsu的方法更为有效.同时，离散萤火虫算法对QAP问题，Durkota已进很好的实现行

针对负荷预测中的特征选择问题，应用FA实现Wrapper特征选择算法.

多目标萤火虫算法Apostolopoulos and Vlachos对FA进行了一个重要的多目标研究。同时，Yang提出了多目标萤火虫算法（Multiobjective Firefly Algorithm，MOFA），对连续优化问题有很好的效果。

拉格朗日FA拉格朗日萤火虫算法用来解决电力系统优化单元承诺问题。

混沌FA混沌萤火虫算法（Chaotic Firefly Algorithm，CFA）也显示了算法的有效性。2

混合算法萤火虫算法与蚁群优化算法相结合的混合算法，能够解决金融投资组合优化。

Memetic 算法一种基于萤火虫算法（FA）的Memetic算法（FA-MA）被用来优化支持向量机（SVR）预测模型的参数。在该FA-MA中，FA用来搜索全局解空间，而模式搜索（pattern Search）被用来进行个体学习和局部解空间搜索。

实际应用萤火虫算法已被应用到几乎所有领域科学和工程，如数字图像压缩和图像处理,特征值优化,特征提取和故障检测,天线设计,工程结构设计, 调度和旅行商问题,语义组成,化学相平衡，聚类,动态问题, 刚性图像配准问题,参数选择，蛋白质折叠问题等等。

本词条内容贡献者为:

王沛 - 副教授、副研究员 - 中国科学院工程热物理研究所