传统的小波神经网络以梯度下降法训练网络，而梯度下降法易导致网络出现收敛早熟、陷入局部极小等问题，影响网络训练的精度。文章将萤火虫算法用于训练小波神经网络，在全局内搜寻网络的最优参数。为了提高萤火虫算法参数寻优的能力，在训练过程中自适应调节γ值。同时利用高斯变异来提高萤火虫个体的活性，在保证收敛速度的同时避免算法陷入局部极小。将优化后的小波神经网络用于短期负荷预测，实验证明改进后的预测模型非线性拟合能力较强、预测精度较高。

CSDN佛怒唐莲上传的视频均有对应的完整代码，皆可运行，亲测可用，适合小白； 1、代码压缩包内容 主函数：main.m； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开main.m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描视频QQ名片； 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作

分享了萤火虫群算法Firebug Swar（这个是FSO，不是萤火虫算法FA！）的源代码及原文，亲测有效，更多算法可进入空间查看

为解决传统多模盲均衡算法(MMA)在均衡高阶QAM信号时存在的收敛速度慢、稳态误差大等问题,提出了一种基于模拟退火萤火虫优化的小波加权多模盲均衡算法(SA-GSO-WT-WMMA)。该算法在MMA的基础上增加了加权项,并引入了模拟退火萤火虫优化(SA-GSO)算法和正交小波变换(WT),利用加权项自适应地调整算法中代价函数的模值,利用SA-GSO算法极强的全局寻优能力来优化均衡器的初始权向量,利用正交小波变换降低信号的自相关性,有效提高了均衡效果。水声信道仿真实验表明,该算法在降低稳态均方误差和加速收敛速度两方面表现卓越。

一本综合性的描述概述萤火虫算法的英语文档。包含有具体的引言，算法介绍，相关的研究以及应用。全本PDF共45页

为了提高传感器节点部署覆盖率，针对目前网络覆盖存在覆盖死角、节点冗余及不能再度优化的问题，在检测区域已知的情况下，提出基于萤火虫群优化(GSO)算法的传感器节点部署方案，并对原方案进行改进。该算法中，传感器节点等同于萤火虫，覆盖信号强度即是荧光素浓度，首先对节点进行随意初始部署，然后通过计算移动概率的大小，判断节点移动方向，最终完成节点部署。实验仿真表明，该部署方法适用于大量传感器节点部署，覆盖面积广，灵活性强。

【路径规划】基于萤火虫算法求解旅行商问题matlab源码.zip

这个简化的Matlab演示代码展示了如何使用Hybrid Firefly –遗传算法解决全局优化问题。 此混合算法是混合萤火虫–遗传算法的简化版本，旨在解决Zervoudakis K.，Tsafarakis S.，Paraskevi-Panagiota S.（2020）提出的一种新的混合萤火虫–遗传算法，用于解决离散产品线设计问题。最佳产品线设计问题。 在：Matsatsinis N.，Marinakis Y.，Pardalos P.（eds）学习和智能优化中。 LION2019。计算机科学讲座，第11968卷。ChamSpringer。 https://doi.org/10.1007/978-3-030-38629-0_23

为提高医学图像分割的效果，针对二维Tsallis熵阈值法图像分割效果受参数q选择的影响，提出一种基于云模型萤火虫算法优化二维Tsallis熵的医学图像分割算法。首先，将云模型引入萤火虫算法，提高萤火虫算法的收敛速度和寻优能力；其次，选择均匀性测度作为医学图像分割的评价指标，运用CMFA算法对二维Tsallis熵阈值法参数q进行自适应寻优。研究结果表明，与FA-Tsallis和Tsallis相比较，CMFA-Tsallis的均匀性测度最高，分割出来的结果边界清晰，从而证明本算法的有效性。

要求 python3 matplotlib（须藤apt-get install python3-matplotlib） 资源