針對標準螢火蟲算法（FA），首先，從數(shù)學理論上分析并揭示了其存在的種群過早收斂、容易陷入局部最優(yōu)等不足，然后提出一種基于模擬退火的混合螢火蟲Memetic算法。該算法利用標準螢火蟲算法對上一代種群進行全局搜索以保持種群的多樣性和算法的全局探索能力；使用模擬退火算予對當前種群中的部分個體進行局部搜索，以一定概率接受適應度較差的個體以避免算法陷入局部最優(yōu)，該算法同步進行螢火蟲吸引過程和模擬退火過程以降低算法復雜度。最后，對該算法在10個標準測試函數(shù)上進行對比仿真實驗。實驗結果表明，該算法在6個測試函數(shù)中均能找到最優(yōu)解，最優(yōu)值、平均值、方差等指標比對比算法高出一定數(shù)量級，在4個復合函數(shù)中效果均優(yōu)于螢火蟲算法。

　　螢火蟲算法（ Firefly Algorithm，F(xiàn)A）是受螢火蟲發(fā)光相互 ；吸引和移動的啟發(fā)而設計的一類新型的群智能優(yōu)化算法。 已有的仿真結果表明該算法具有精度較高、收斂速度較快、可調(diào)參數(shù)少、操作簡單、易于實現(xiàn)等特點，因而該算法近年來已引起許多學者的廣泛關注，并應用到函數(shù)優(yōu)化、云計算調(diào)度、流水車間調(diào)度、疾病預測、蛋白質(zhì)網(wǎng)絡、旅行商問題（ Travelling Salesman Problem．TSP）等諸多領域。
?