「深度学习之优化算法」（十）烟花算法

1. 烟花算法简介

（以下描述，均不是学术用语，仅供大家快乐的阅读）
　　烟花算法（Firework Algorithm,FWA）是一种受烟花爆炸产生火星，并继续分裂爆炸这一过程启发而得出的算法。算法的思想简单，但具体实现复杂。算法提出时间并不长，但是已经有了不少的改进研究和较为全面的应用。
　　烟花算法中，每一个烟花的位置都代表了一个可行解。烟花的爆炸产生的火星有两种，正常的火星与特别的火星。每个火星都会爆炸产生数个正常火星，某些火星有一定的概率产生一个特别的火星。正常的火星根据当前火星的振幅随机均匀分布在该火星的周围，而特别的火星将在当前火星附近以正态分布方式产生。每次迭代产生的火星数量多于每一代应有的火星数，算法将参照火星位置的优劣，随机留下指定数量的火星，已保持火星数目的稳定。

2. 算法流程

烟花算法的主角毫无疑问就是烟花了。

　　烟花算法中每个火星有两个属性：位置以及振幅，振幅与所有火星的亮度值有关，亮度越高的火星的振幅越小，反之振幅越大。（这里亮度表示火星的适应度值，越亮表示这个位置的氧气浓度越高，适应度越好）
　　一句话总结烟花算法：较差位置大范围少量搜索，较好位置小范围大量搜索，不从众。
　　在D维解空间内每个火星的位置为