更新时间：2022-08-25 16:30
萤火虫算法（Firefly Algorithm）是一种启发式算法，灵感来自于萤火虫闪烁的行为。萤火虫的闪光，其主要目的是作为一个信号系统，以吸引其他的萤火虫。剑桥大学的Xin-She Yang（音译：杨新社）教授提出了萤火虫算法，其假设为：
萤火虫算法的伪代码可以概括为：
Begin
1）目标函数
2）生成一个萤火虫的初始入口
3）制定光照强度l，因此，它与 （例如，对于最大化问题或;
4）定义吸收系数
while(T < MaxGeneration)
for i =1:n(所有n萤火虫)
for j =1:n(n萤火虫)
移动萤火虫i向j;
end if
吸引力与距离;
评估新的解决方案和更新的光强度;
end for j
end for i
排名萤火虫和找到当前最佳;
end while
处理后的结果和可视化;
end
对于任何一两只萤火虫的主要更新公式是，其中是步长参数, e 是一个矢量（服从高斯或其他的分布）。
可以证明在的情况，FA可以简化为 准粒子群优化(PSO).事实上，，如果内环（j）条被删除，亮度 替换为当前的全球最佳，FA基本上成为标准PSO。
离散形式的萤火虫算法（Discrete Firefly Algorithm，DFA）DFA优于现有算法如蚁群算法。
对于图像分割，基于FA-方法比Otsu的方法更为有效.同时， 离散萤火虫算法对QAP问题，Durkota已进很好的实现行
针对负荷预测中的特征选择问题，应用FA实现Wrapper特征选择算法.
Apostolopoulos and Vlachos对FA进行了一个重要的多目标研究。同时，Yang提出了多目标萤火虫算法（Multiobjective Firefly Algorithm，MOFA），对连续优化问题有很好的效果。
拉格朗日萤火虫算法用来解决电力系统优化单元承诺问题。
混沌萤火虫算法（Chaotic Firefly Algorithm，CFA）也显示了算法的有效性。
萤火虫算法与蚁群优化算法相结合的混合算法，能够解决金融投资组合优化。
一种基于萤火虫算法（FA）的Memetic算法（FA-MA）被用来优化支持向量机（SVR）预测模型的参数。在该FA-MA中，FA用来搜索全局解空间，而模式搜索（pattern Search） 被用来进行个体学习和局部解空间搜索。
萤火虫算法已被应用到几乎所有领域科学和工程，如数字图像压缩和图像处理,特征值优化,特征提取和故障检测,天线设计,工程结构设计, 调度和旅行商问题,语义组成,化学相平衡， 聚类,动态问题, 刚性图像配准问题,参数选择，蛋白质折叠问题等等。