基于随机惯性权重的自适应花粉算法

发布时间：2021-02-21 22:42

　　为了解决花粉算法（FPA）收敛速度慢,收敛精度不高,易陷入局部极小点等缺陷,将随机惯性权重学习机制引入花粉全局搜索更新机制,并将转换概率调整为随迭代次数自适应变化,以平衡算法的全局搜索和局部开发能力,建立了基于随机惯性权重的自适应花粉优化算法。为了测试改进后算法的收敛性能,任意选取8个标准测试函数进行测试。结果表明:改进后FPA的收敛速度、收敛精度等性能都优于标准FPA. 

【文章来源】：纺织高校基础科学学报. 2020,33(03)

【文章页数】：5 页

【文章目录】：
0引言
1 花粉算法
2 花粉算法改进
    2.1 随机惯性权重策略
    2.2 转换概率的自适应调整
    2.3 自适应花粉算法
3 仿真实验
4 结 语


【参考文献】：
期刊论文
[1]基于协作搜索策略的花粉算法[J]. 高昂,贺兴时,宋庆庆.  纺织高校基础科学学报. 2017(04)
[2]基于单纯形法和自适应步长的花朵授粉算法[J]. 肖辉辉.  计算机工程与科学. 2016(10)
[3]基于萤火虫算法的自适应花授粉优化算法[J]. 卞京红,贺兴时,杨新社.  计算机工程与应用. 2016(21)
[4]基于花朵授粉算法的产品拆卸序列规划[J]. 焦庆龙,徐达,李闯.  计算机集成制造系统. 2016(12)



本文编号：3045028