1 东华理工大学测绘工程学院，江西 南昌 330013
2 中国科学院空天信息创新研究院计算光学成像技术重点实验室，北京 100094
传统基于聚类的波段选择方法多属于硬聚类，在对波段进行划分时不够精确。针对该问题，提出一种基于模糊C-均值聚类（FCM）的无监督波段选择方法，通过引入萤火虫算法（FA）得到FCM-FA，利用FA的全局搜索特性，修正FCM在特定情况下获得局部最优解的问题。在两个公开高光谱数据集上进行分类实验，结果表明：在136组实验中，所提FCM-FA所选波段在55.9%的情况下能够达到使用全波段的分类精度；在77.9%情况下能够达到最优分类精度；FA的引入有效地提升了FCM的效果，总体精度最大提高了3.12个百分点，Kappa最大提高了4.26个百分点。经验证，FCM-FA能够在大幅减少数据量的同时保留原数据的主要信息，可进一步进行推广和研究。
遥感 波段选择 高光谱图像 模糊C-均值聚类 萤火虫算法 激光与光电子学进展
2023, 60(12): 1210015
1 海军大连舰艇学院, 辽宁 大连 116000
2 中国人民解放军91878部队, 广东 湛江 524000
在电子侦察卫星支援对海作战背景下, 为充分发挥卫星作战潜能, 提出了基于萤火虫麻雀算法(FASSA)优化支持向量回归(SVR)的卫星作战效能评估模型。首先, 运用萤火虫算法(FA)对麻雀搜索算法(SSA)进行改进; 然后, 建立了电子侦察卫星作战效能评估指标体系; 最后, 运用FASSA算法优化SVR的相关参数, 依据所构建的效能评估指标体系, 构建了电子侦察卫星作战效能评估模型。仿真结果表明, 该模型具有较高的效能评估精度, 在各项指标上均优于其他模型。
电子侦察卫星 效能评估 萤火虫算法(FA) 麻雀搜索算法(SSA) 支持向量回归(SVR) electronic reconnaissance satellite effectiveness evaluation Firefly Algorithm (FA) Sparrow Search Algorithm (SSA) Support Vector Regression (SVR)
1 合肥工业大学电气与自动化工程学院, 安徽 合肥 230009
2 中南大学自动化学院, 湖南 长沙 410083
提高作物的光合作用速率是作物高产育种的有效途径之一。 目前主要采用红外气体分析法测定光合作用速率, 方法原理可靠、 技术成熟, 但红外光源易受野外复杂工作环境的影响, 尤其是环境温度的变化, 因此红外分析法在定量分析的任务需求中测定误差较大且对浓度极低或浓度变化极弱的气体检测精度不高。 针对上述问题, 首先提出将可调谐半导体激光吸收光谱(TDLAS)技术应用到植物光合速率测定领域, 用二次谐波峰值差表征单位采样时间内光合作用气体CO2痕量浓度的相对变化量; 其次, 建立基于萤火虫算法优化的宽度学习(FA-BLS)环境补偿模型, 模型中每只萤火虫的位置信息对应表征宽度学习网络(BLS)权值和阈值的一组可行解, 通过萤火虫不断迭代和更新优化来寻找亮度最高的萤火虫位置, 即生成使得模型性能最佳的权值和阈值; 最后, 利用模型输出的补偿值对存在环境影响的原始二次谐波峰值差进行补偿, 进而由补偿后的二次谐波峰值差反演得到单位采样时间内的净光合速率。 实验结果表明, 萤火虫种群规模和BLS网络增强层节点数是影响TDLAS-FA-BLS模型输出误差的重要因素, 相比卷积神经网络(CNN)和长短期记忆网络(LSTM)两种深度学习网络, 基于TDLAS-FA-BLS的光合速率测定模型很好地继承了BLS网络训练速度快、 迭代时间短的优点, 平均测量时间仅为0.81 s, 模型输出误差小, 模型预测输出与测试集数据的卡方距离仅为0. 29×10-4, 同时模型输出误差的样本方差和样本标准差均比BLS小, 说明FA-BLS模型克服了BLS因随机选取参数导致网络输出结果不稳定和泛化性不高的缺陷, 因此, 基于TDLAS-FA-BLS的植物净光合速率测定方法, 能够很好地满足在实际农业生产中野外复杂工作环境下测定光合速率的高精度、 实时性、 稳定可靠等需求。
净光合作用速率 萤火虫算法(FA) 宽度学习(BLS) Net photosynthetic rate TDLAS Firefly algorithm (FA) Broad learning system (BLS) TDLAS 光谱学与光谱分析
2022, 42(5): 1561
1 西安建筑科技大学信息与控制工程学院，陕西 西安 710055
2 西部绿色建筑国家重点实验室，陕西 西安 710055
为了营造一个健康舒适节能的视觉显示终端（VDT）作业光环境，提出基于节律因子和群智能算法的动态照明调控方法。首先根据VDT作业空间的作业情况和补偿关系建立照明模型；再结合光照需求、人工光源和自然光源之间的补偿关系和节律因子，建立动态光照调控模型；之后提出结合粒子群算法和萤火虫算法优势的混合算法，并引入精英粒子思想对混合算法进行改进；将某时段的照明需求、自然光源补偿量和作业区分布情况作为照明优化模型的输入，并利用改进算法求解人工光源的光通量。将改进算法与其他算法进行对比实验，改进算法的寻优能力和稳定性明显优于其他相关算法；实验证明基于动态调控方法优化的VDT作业空间光环境，视觉效果更好，并具备较大的节能潜力。
光学设计与制造 视觉显示终端作业 节律因子 照明 动态调控方法 混合粒子群萤火虫算法 激光与光电子学进展
2022, 59(13): 1322001
对光束高精度、稳定地跟踪是自由空间激光通信链路建立的前提。引入一种改进的萤火虫算法，对比例-积分-微分(PID)控制器的参数进行优化整定，同时建立了直流力矩电机系统模型，将优化参数后的PID控制器应用到此系统中，在六维仿真台上进行了实验，结果表明：对于同一个系统，与采用齐格勒和尼克尔斯(Z-N)法相比，改进的萤火虫算法对参数整定后的PID控制器的响应速度提高了40%，带宽提高了33.3%，跟踪精度提高了25%。
光电伺服系统 萤火虫算法 比例-积分-微分控制器 粗跟踪 惯性权重因子 photoelectric servo system firefly algorithm proportional-integral-derivative controller coarse tracking inertia weight facto
1 鄂尔多斯应用技术学院数学与计算机工程系, 内蒙古 鄂尔多斯 017000
2 鄂尔多斯应用技术学院信息工程系, 内蒙古 鄂尔多斯 017000
提出基于萤火虫算法与LM(Levenberg-Marquardt)算法相结合的FA-LMBP混合神经网络算法图像压缩模型。利用该模型进行求解时,通过萤火虫算法按照目标函数进行全局搜索,得到反向传播(BP)神经网络的一组权阈值最优近似解,以该近似解作为BP模型初值,利用LM算法对这组权阈值进行二次优化训练,得到最终的图像压缩模型。实验结果表明,在相同训练次数和相同误差精度下,基于FA-LMBP混合神经网络算法的压缩图像模型重建质量明显高于BP算法和LMBP算法模型。
图像处理 图像压缩 萤火虫算法 神经网络 LMBP算法 激光与光电子学进展
2019, 56(19): 191005
郑州科技学院 信息工程学院, 河南 郑州 450064
针对合成孔径雷达(SAR)图像中存在大量的相干斑噪声, 对SAR图像进行分割易出现分割不精、边缘模糊等问题, 融合改进的直方图PDE和二维Tsallis熵多阈值, 提出了一种SAR图像分割算法。根据PDE直方图均衡化方法, 将图像去噪与图像增强加权融合, 利用各自权值调整去噪项与图像增强项; 同时将二维Tsallis熵单阈值分割方法扩展到多阈值分割,建立基于多阈值的选取方法, 并引入萤火虫算法来求解最优阈值对, 实现了二维Tsallis熵多阈值对去噪增强SAR图像的有效分割。仿真结果表明: 与其他3种分割算法相比, 该文算法在处理噪声大、灰度差值小的图像时具有较高的分割精度, PRI至少提升2.53%、VOI降低8.48%、GCE降低11.14%。
直方图偏微分方程 去噪增强 二维Tsallis熵 多阈值分割 萤火虫算法 histogram partial differential equation de-noising enhancement two-dimensional Tsallis entropy multi-threshold segmentation firefly algorithm
中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
测试点优化选择是复杂装备测试性设计的重要环节, 本文提出一种用于解决测试点优化选择问题的离散萤火虫算法(DFA)。首先建立了测试点优化选择问题的数学模型, 接着对传统的萤火虫算法(FA)进行了离散化改进, 给出了离散化萤火虫算法的实施步骤, 并分析了不同的吸引度函数和二值化函数(sigmoid和tanh函数)对算法结果的影响。最后针对5个不同规模的实际系统验证了离散萤火虫算法的有效性, 并与粒子群算法(PSO)和遗传算法(GA)等传统的元启发式搜索算法的计算性能进行了比较分析。结果显示: 在满足系统要求的故障检测率和故障隔离率的前提下, 利用本文提出的离散萤火虫算法得到的5个系统测试代价最优值分别比PSO算法和GA算法平均降低了10.1%和14.6%。实验结果表明: 离散萤火虫算法能快速收敛到更高质量的全局最优解, 避免过早收敛而陷入局部最优值, 对于解决大型复杂装备的测试点优化选择问题具有很好的应用前景。
可测试性设计 测试点优化选择 萤火虫算法 元启发式搜索 testability design pptimization selection of test point firefly algorithm metaheuristic algorithms
1 南京工业大学电气工程与控制科学学院, 江苏 南京 211816
2 南京工业大学生物与制药工程学院, 江苏 南京 211816
近红外光谱数据量大, 需要进行压缩, 以降低建立光谱校正模型的计算复杂度, 提高模型精度和稳健性。 为此, 提出了一种基于离散萤火虫算法（discrete firefly algorithm）的近红外光谱波长变量筛选方法。 首先采用蒙特卡罗方法剔除异常值, 并应用Kennard-Stone法进行校正样本的选择。 对通用萤火虫算法进行离散化处理, 改进了吸引度的自适应公式, 在移动公式中增加了牵引权重, 以适应离散化处理的影响和优化算法, 并在离散萤火虫算法中加入精英保留策略, 加快算法的收敛速度。 实验中找到DFA算法中的各项参数中的最佳值。 通过离散萤火虫算法优选波长变量, 建立发酵液中丁二酸含量的近红外光谱偏最小二乘回归（partial least squares regression）校正模型。 与标准遗传算法（genetic algorithm）优选波长方法进行了比较。 结果显示, 基于离散萤火虫算法的波长优选方法所建立的PLS校正模型, 其校正集的相关系数（R2c）为0.986, RMSEC为0.409, 预测集的相关系数（R2p）为0.969, RMSEP为0.458, 模型稳健性和精度都要优于全光谱建模以及遗传算法波长优选方法。 显示了DFA在近红外光谱数据筛选方面的优越性。
离散萤火虫算法 近红外光谱 波长选择 丁二酸发酵 Discrete firefly algorithm Near infrared spectroscopy Wavelength variable selection Succinic acid fermentation 光谱学与光谱分析
2016, 36(12): 3931
