改进的果蝇优化算法及其应用

摘要

蝇优化算法（Fruit fly Optimization Algorithm，FOA）是一种新型兴起的仿生类元启发式智能优化算法，它是通过模仿自然界中果蝇的觅食原理而设计的一种自然计算的新方法，因其调节参数少、操作简单和性能良好等优势，一经提出便广泛被应用于众多工程科学领域。但是，FOA算法同样也难以避免群体智能算法中易早熟、易陷入局部最优及稳定性不强等一些缺陷。其次在实际应用中对单峰、多峰、低维和高维等复杂函数上的优化问题急需去解决，这就要对基本FOA算法进行改进研究。具体研究工作和创新点如下： (1)提出一种基于个体差异的自适应步长果蝇优化算法（SA-FOA） 针对基本果蝇优化算法（FOA）在进行优化时，存在易陷入局部最优值且收敛不稳定的问题，提出了一种基于个体差异的自适应步长果蝇优化算法（SA-FOA）。该算法在迭代过程中采用步长缩进的控制策略，使位置较差的果蝇个体能够获得相对较长的搜索步长，提升最优点附近的挖掘能力，从而能更好地在解空间展开搜索，有效实现了全局搜索和局部搜索之间的动态平衡，增强了算法的寻优能力。通过模拟验证分析和6个复杂测试函数最小值全局寻优的仿真实验结果表明，SA-FOA不但具有较强的全局搜索能力，而且在求解多峰的高维函数优化问题上效果更好。 (2)提出一种改进FOA算法的上市公司Z-Score财务预警模型 为了提高传统的Z-Score财务预警模型的预警能力，本文将改进FOA算法的良好寻优能力和Z-Score财务预警模型相结合，提出了一种改进FOA算法的上市公司Z-Score财务预警模型。采用改进FOA算法来优化Z-Score模型中的参数，降低预测值和真实值之间的均方根误差（RMSE）。经对选取上市公司财务数据的预测值和真实值对比，且检验其准确率。实验结果：传统的Z-Score模型、基本FOA算法优化Z-Score模型和改进FOA算法优化Z-Score模型的预测准确率分别为65%、70%和80%。实验表明改进的算法较大提升了Z-Score财务预警模型的预测能力，也表明了该算法的有效性。

目录

第一个书签之前