一种基于全局信息共享的自适应FA算法

　　针对萤火虫算法FA对于高维复杂问题，收敛速度慢、求解精度低，优化效果不理想等缺点，提出一种基于全局信息共享的自适应FA算法。分别从三个方面对FA算法进行了改进：通过引入群体距离，改进Y值的调节方式，提升算法的自适应调节能力；通过增加过程搜索信息，加强算法的精细化调节能力；通过引入基于全局平均位置信息的量子空间下的势阱模式，增强算法的全局搜索能力。最后对几种典型函数的测试结果表明，改进算法在收敛速度与收敛精度上，较其它算法有明显提高。