
利用迭代搜索法、剔除劣势策略法、逆推归纳法和最大最小优化方法[7,8,9]等均可实现博弈均衡点的求解。但当维数较大时, 这些方法可能存在搜索速度、路径和精度上的问题。萤火虫优化算法[10]由于其原理简单、参数少、易于实现、具有较强的全局寻优能力和收敛能力等优点, 已成功地在路径规划、经济调度等领域[11,12,13]得到应用。
1 萤火虫优化算法数学描述
亮度和吸引度是萤火虫优化算法中的两个主要因素, 分别定义如下。
定义1萤火虫的亮度I定义为:

式中:I0为最大亮度, 即萤火虫自身的亮度;γ为介质的光吸收系数;rij为萤火虫i和j之间的笛卡尔距离。
若发光亮度相同, 则萤火虫各自随机移动。
定义2萤火虫的吸引度β与亮度相关, 定义为:

式中:β0为最大吸引度, 即萤火虫自身的吸引度。
定义3萤火虫i被萤火虫j吸引的位置更新公式为:

式中:xi和xj分别为萤火虫i和j所处的位置;α和r均为扰动随机参数, 用于加大搜索区域, 避免过早陷入局部最优。