基于和声搜索和折射原理的花朵授粉算法研究

发布时间：2020-05-29 20:11

【摘要】：花朵授粉算法是模拟开花植物进程的启发式算法,该算法将植物的异花授粉过程和自花授粉过程类比为全局搜索和局部搜索,由于该算法具有实现简单、鲁棒性强及寻优速度较快等优点,多用于解决各类优化问题。但随着处理数据的规模和维数的增加,花朵授粉算法在后期收敛速度慢且易陷入局部最优,并存在寻优精度低的问题。为解决以上问题,本文提出一种基于改进和声搜索和折射原理的花朵授粉算法。该算法首先将差分进化中的交叉变异操作引入和声搜索算法,通过动态调整差分进化算法中的缩放因子来改进在调整步长时随机性强且寻优后期速度较慢的缺点。然后,将基于差分进化的和声搜索算法引入花朵授粉算法,利用该算法求出当前最优解,将其作为花朵授粉算法迭代的初始解,该步骤可以提高初始解的质量,提升了算法的收敛速度。最后,将折射原理引入花朵授粉算法,通过将当前迭代的最优解进行折射,来得到折射点。这一过程不仅可以扩大算法的搜索范围、增强种群的多样性,还有助于算法摆脱局部最优并提高算法的寻优能力和收敛精度。仿真实验证明,本文提出算法的寻优能力远高于标准的花朵授粉算法。
【图文】：

花朵,算法流程,种群,全局搜索

8图 2.1 花朵授粉算法流程Figure2.1 Flow chart of FPAtep1：初始化算法的各参数。包括转换概率 p，种群数 N 等参数；tep2：初始化种群，求出每个解的适应度值和当前最优解；tep3：当 p>rand（rand 为服从[0,1]均匀分布的随机数）时，进行全局搜索

流程图,和声,搜索算法,流程

辽宁工程技术大学硕士学位论文按照公式（3.1）对其进行微调，反之则在变量范围内和声记忆库外随机选择一为新和声。1 2,0,newnew iix r BW r PARxotherwise 若= （3.1）12rand 、r 、r是一个服从[0,1]均匀分布的随机数，BW 为音调微调带宽、PAR 为和率。随机选择音调。4：将新和声与原有和声记忆库中的最差值进行比较，若优于最差值则将最差值加入新和声，反之则不变。5：判断是否符合迭代结束条件，符合则迭代结束，，不符合则转至 Step3。
【学位授予单位】：辽宁工程技术大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP18

【参考文献】