1. 研究目的与意义及国内外研究现状

现代测绘工作中，大多数的观测方程为非线性方程，在面对此类问题时，传统的做法是将非线性方程线性化，即在进行平差计算时，首先将非线性方程按台劳公式展开，取至一次项，舍去剩余项转换成线性方程。由于线性化做法略去二次以上各项，必然引起模型误差，在观测精度大大提高的今天，有些模型误差甚至大于观测误差，因此，用近似的理论、模型和方法去处理具有高精度的观测结果，反而会导致精度的损失，这显然是不合理的。随着现代科学技术的不断发展，对平差精度的要求正在不断提高，在这种背景下，越来越多的仿生群智能算法开始备受关注，以其快速精准的优势成为解决非线性模型参数估计的新生力量。

课题所研究的萤火虫算法(Firefly Algorithm， 即FA)，是基于生物群智能的随机优化算法，通过模拟萤火虫因觅食、择偶等习性，模拟其产生荧光而相互吸引移动的行为来解决最优问题。FA具备群体智能算法的共同特点：首先，它们都是基于群体的优化技术，即搜索轨道有多条，显示出较强的并行性；其次，无需梯度信息，只需利用目标的取值信息，具有很强的通用性，因此，FA算法被广泛应用于模式识别、自动控制、网络路由选择等多个领域。萤火虫算法过程中不要求具有严格的模型，对于目标函数也没有严格的约束条件，和经典算法相比，在计算复杂度上则表现的更加出色。本文将针对萤火虫算法的原理、优势、以及其在测绘领域的应用前景进行探讨，在用Matlab实现该算法的基础上，对测量数据进行算例分析，最终得出最优解。

国内外研究现状

萤火虫算法的概念最早是由剑桥大学的Xin-She Yang教授于2009年提出的，后来的一年中，Xin-She Yang教授先后发表了《对于萤火虫算法的随机优化的研究报告》、《萤火虫算法的多模优化问题》等研究论文，为萤火虫算法的成功应用奠定了基础。

目前，国内外学者将萤火虫算法进一步推广，将其应用到许多领域：2010年11月，Theofanis Apostolopoulos和Aristidis Vlachos发表研究了应用萤火虫算法解决经济排放负荷调度问题；2012年1月，Mohammad Asif Zaman和Md. Abdul Matin发表研究了基于萤火虫算法的非均匀间隔的线性阵列天线设计；2012年10月，Surafel Luleseged Tilahun和Hong Choon Ong提出萤火虫算法的优化问题。国内关于萤火虫算法的研究工作也相继展开，叶春明教授在2011年到2013年间先后发表论文介绍了萤火虫算法，以及提出了置换流水车间调度问题的萤火虫算法、应用萤火虫算法求解PFSP问题、Job-shop调度问题和置换流水线问题等。此外，国内主要研究还有：2011年7月，王迎菊和周永权提出了一种基于荧光素扩散的人工萤火虫算法；2012年3月，彭伟和汪镭提出了基于萤火虫算法的神经网络CPI预测模型；2012年8月，袁际军发表基于多目标萤火虫算法的可调节产品族优化设计；2013年3月，曾冰、李明富、张翼等人发表了基于萤火虫算法的装配序列规划研究；2013年4月，李铁、姚晔等人发表了基于改进型人工萤火虫算法的云计算资源。

2. 研究的基本内容

本文将对萤火虫算法的概念、研究背景、发展现状做出全面介绍，并给出其数学模型，结合数学模型整理萤火虫算法的步骤，设计用萤火虫算法解决非线性模型的matlab代码。

接着对萤火虫算法的优势进行阐述，依照萤火虫算法在解决非线性问题方面所具有的优势，本文将尝试把萤火虫算法引入测量平差非线性模型参数估计领域，并将算法得出的结果与其他算法结果相对比，证明萤火虫算法在对非线性化模型参数估计函数的寻优结果的精确度、拟合度均优于其他算法，在连续空间优化中具有可行性和有效性。

研究的目的在于丰富非线性参数估计的理论与方法、提高测量平差精度的目的，更好的服务于测绘实践工作。

3. 实施方案、进度安排及预期效果

第五周：资料收集与文献检索

第六周：编写并开题报告

第七周：编写萤火虫算法matlab程序

第八周：编写萤火虫算法matlab程序

4. 参考文献

刘长平 叶春明．一种新颖的仿生群智能优化算法[j]．计算机应用研究，2011．28（9）：3295-3297．

彭喜元，彭宇，戴毓丰.群智能理论及应用[j].电子学报，2003，32（12） ：1982-1988.

李学梅，张素琴.基于仿生理论的几种优化算法综述[j].计算机应用研究，2009.26（6） ：2032-2034.

高伟明．萤火虫算法的研究与应用.兰州大学硕士研究生学位论文．2013：1-53.