一种基于全局-局部双向驱动的改进果蝇优化算法

为解决传统果蝇优化算法过早收敛、结果不稳定等问题,提出一种基于全局-局部双向驱动的果蝇优化新算法.首先,为综合考虑果蝇群体的全局化驱动信息和果蝇个体的局部化驱动信息,引入先进群组和记忆空间的概念,即在每次迭代过程中,将果蝇种群中表现较好的若干只果蝇定义为先进群组,将每只果蝇经过的若干历史最优位置定义为该果蝇的记忆空间.然后,为避免过早收敛问题,考虑先进群组中所有个体的全局化驱动作用,通过顺序选择果蝇位置向量的各个维度实现果蝇位置更新.最后,为避免种群接近收敛时盲目地进行全局搜索,每只果蝇个体将考虑自身认知经验的局部化驱动作用,通过使用轮盘赌策略选择记忆空间中特定位置并向其靠近以跳出局部最优.针对典型测试函数及网络异常检测仿真的实验结果表明:基于全局-局部双向驱动的果蝇优化算法收敛精度高、稳定性好、收敛速度快,适用于处理网络异常检测中的高维、复杂的优化问题.