光亮的强度作为与其光源距离的函数，遵循平方反比定律，因此来自萤火虫的闪烁光线会导致它周围的萤火虫在闪烁的视线范围内做出反应。受萤火虫行为启发的种群优化算法有两种变体：萤火虫算法，和萤火虫群优化（GSO）算法。MT5官方下载平台为您提供多种算法，帮助您在交易中更好地做出判断。

　　萤火虫算法（F-算法）由 X-Sh. Yang 于 2007 年在英国剑桥大学提出，并立即引起了优化研究人员的注意。 萤火虫算法是群体智能算法家族的一部分，最近在解决优化问题方面取得了令人印象深刻的成果。 特别是，萤火虫算法在求解连续和离散优化问题的能力。

　　萤火虫算法基于真实萤火虫的闪烁特性，有三条规则。 规则如下：

　　所有萤火虫都会朝着更有吸引力和更明亮的对应物移动。

　　萤火虫的吸引力程度与其亮度成正比，由于空气吸收光线的事实，随着与另一只萤火虫的距离增加，亮度会降低。 故此，在任何两只闪烁的萤火虫之间，不太亮的萤火虫会向较亮的萤火虫移动。 如果没有更亮或更具吸引力的对应物，则萤火虫将随机移动。

　　萤火虫的亮度或光线强度由问题的目标函数的值决定。

　　最初，在算法开始时，所有萤火虫都随机分散在整个搜索空间当中。 然后，该算法根据两个阶段判定最佳分区：

　　光线强度的变化 — 萤火虫在其当前位置的亮度反映在其适应性值中，朝着有吸引力的萤火虫移动。

　　萤火虫通过观察邻近萤火虫的光线强度来改变其位置。

　　搜索原理背后的主要思路是随着萤火虫之间距离的增加，能见度呈非线性降低。 如果没有这种非线性关系，每只萤火虫都会确定性地向更明亮的光源移动。萤火虫不会选择其最亮的近邻，因为由于环境对光线的吸收，它发出的光线很难被注意到。取而代之，它选择了一个不太明亮的对应物（尽管是其环境中最亮的）。此特征解释了算法划分为较小群落的良好能力。由于远距离光吸收的非线性函数，这现象会很自然地发生。

　　当 gamma 趋于无穷大时，环境变得不透明；当 gamma 为零时，环境是完全透明的；每只萤火虫在搜索空间中的任何距离都能看到对方。如果 gamma = 0.0 会发生什么？所有的萤火虫都会飞到最明亮的相对位置，汇聚到某个非最佳点。如此，算法不会收敛停留在某个局部极值。如果环境完全不透明，会发生什么情况？萤火虫不会看到比自己更有吸引力的同类。根据算法作者提出的概念，看不到比自己更好的同类，那么萤火虫就会随机移动。该算法将退化为随机搜索。在我们的算法分类评级表格中，随机搜索算法排在最后。

　　在完成MT5官方下载后，交易者可深度挖掘其量化研究模块的算法开发潜力。萤火虫群算法（Firefly Swarm Optimization, FSO）作为FA的改进版本，在处理多维优化问题时展现出独特优势，特别适用于MT5平台的策略参数配置。