基于随机替换和多样性控制的花朵授粉算法

发布时间：2024-06-03 03:22

　　针对花朵授粉算法收敛速度慢、不易跳出局部最优、搜索精度低的问题,根据花朵授粉算法的运动特点,提出了中心随机替换策略,加快算法的搜索速度。同时为了提高算法的全局搜索能力,加入多样性控制策略,动态改变转换概率p,增加全局搜索的概率。经六种测试函数仿真实验,该算法在加快收敛速度的同时,合理地保持算法的多样性,相比于其他启发式智能算法拥有更快的寻优速度和更好的寻优精度。

【文章页数】：8 页

【部分图文】：

图1迭代1次的花粉分布图

）非生物的自花授粉是局部授粉过程。（3）花的常性可以被认为是繁衍概率，繁衍概率与参与的两朵花的相似性成比例关系。（4）转换概率p∈[0,1]控制全局授粉和局部授粉之间的转换，由于物理上的邻近性和风等其他因素的影响，在整个授粉活动中，p是花朵授粉的非常重要的部分。3花朵授粉算法花朵....

图2迭代100次的花粉分布图

图3Ca)中可知，CRSDCFPA算法可以更快地寻到了理论最优值，折线较少;而其他三种算法无法找到理论最优值，其中过多的折线表明很容易陷入局部最优，充分证明了在低维条件下该算法拥?

2019，55（18）CRSDCFPA算法可以找到理论最优值，而其他三种算法无法找到理论最优值；CRSDCFPA算法的最优值、平均值和最差值之间的差距很小，而其他两种改良算法，尤其是CFPA算法的最优值、平均值和最差值之间的差距很大。由于本文算法在迭代后期的全局搜索能力过强，对于....

图4测试函数的CRSDC

表6所示。CRSDCFPA算法虽然比FPA算法运行时间略长，但最小运行时间和平均运行时间都比较短，仍然在可接受的范围内，用小的时间代价换取更高的收敛精度是值得的。这证明CRSDCFPA算法是确实可行的。4.5种群多样性多样性分析是衡量算法的全局搜索能力的一项重要标准。在迭代过程中....

本文编号：3988099