随着社会信息化的不断推进,对于复杂优化问题的求解,传统的解决方法已经很难达到理想的效果。群智能优化是近几年能比较好地解决优化问题的一种元启发式优化方法,是人们受大自然中生物演化、觅食或交流的启发而抽象设计出的一类优化算法。本文所研究的萤火虫算法是简化模拟萤火虫之间依靠发光进行求偶或信息交流的行为而得到的一种新颖的群智能优化算法。其具有易理解、可调参数少、较高的寻优精度和收敛速度等优点,特别适合解决连续和离散优化问题,但是算法本身还存在一些缺陷,如对初始种群的分布依赖性较高、在寻优过程中容易陷入局部最优、在迭代前期收敛速度较慢、面对复杂问题在迭代后期围绕极值点反复震荡的问题等。本文分析了原始萤火虫算法的基本原理和算法流程,针对其存在的不足提出了一种改进的算法——基于轮盘赌策略的混沌萤火虫算法(CRSFA)。本文从初始化种群、位置更新公式和寻优过程三个方面对原始萤火虫算法进行改进。(1)针对随机方法构造初始种群不均匀的问题,采用改进的佳点集方法进行种群初始化,使得种群均匀分布在搜索空间中,同时提高了算法的收敛速度;(2)针对萤火虫算法在迭代后期围绕极值点反复震荡的问题,将自适应惯性权重引入到原位置更新公式中,有效地抑制了震荡问题的发生,同时提高了算法的收敛速度和求解精度,更好地平衡了全局搜索能力和局部搜索能力;(3)针对寻优过程中算法易陷入局部最优的问题,提出一种引入轮盘赌策略和混沌思想的萤火虫算法。首先在原有轮盘赌算法的框架下,按照其亮度从高到低进行排序,将前N K的个体选择出来作为精英群体;其次去除轮盘赌算法重复选择的个体,利用带高斯扰动的混沌序列重新生成相同数量的新个体,形成改进群体;最后合并精英群体和改进群体形成适应度较好的萤火虫种群,并进行位置更新,从而增加了种群多样性,避免了陷入局部最优,提高了全局搜索能力。本文选用了具有代表性的低维、高维、单峰、多峰的十五个测试函数,分别对粒子群优化算法PSO、原始萤火虫算法FA、Wang Bin等人提出的基于光强系数修正的萤火虫算法LFA和本文提出的基于轮盘赌策略的混沌萤火虫算法CRSFA进行仿真实验。结果表明,CRSFA能有效地改善在迭代后期围绕极值点反复震荡的问题、避免了早熟收敛,提高了算法的求解精度和收敛速度,较好地平衡了全局搜索能力和局部搜索能力。