一种改进的新型元启发式花朵授粉算法

发布时间：2018-04-14 14:14

本文选题：花朵授粉算法 + 寻优性能　；参考：《计算机应用研究》2016年01期

【摘要】：受自然界花朵授粉过程的启发,Yang提出了一种新的元启发式群智能算法——花朵授粉算法,该算法融合了现有其他智能算法的优点。首先阐述了花朵授粉的特征,从机理上描述了该算法的实现步骤,同时对该算法的寻优性能进行了剖析。其次,针对花朵授粉算法寻优精度低、收敛速度慢、易陷入局部极小的不足,提出一种基于差分进化策略的花朵授粉算法,该算法引入差分进化中的变异、交叉及选择操作,使缺乏变异机制的花朵授粉算法具有变异能力,增加种群的多样性,提高算法的全局寻优能力和避免种群个体陷入局部最优。通过十个标准测试函数进行测试,仿真结果表明,改进算法的寻优能力明显优于基本的花朵授粉算法、蝙蝠算法、粒子群算法及改进的粒子群算法。
[Abstract]:Inspired by the natural flower pollination process, Yang proposed a new meta-heuristic swarm intelligence algorithm, the flower pollination algorithm, which combines the advantages of other existing intelligent algorithms.Firstly, the characteristics of flower pollination are described, the implementation steps of the algorithm are described from the mechanism, and the optimization performance of the algorithm is analyzed.Secondly, a flower pollination algorithm based on differential evolution strategy is proposed, which introduces mutation, crossover and selection operations in differential evolution, aiming at the shortcomings of low precision, slow convergence speed and easy to fall into local minima of flower pollination algorithm.The flower pollination algorithm, which lacks mutation mechanism, has the ability to mutation, increase the diversity of population, improve the ability of global optimization and avoid the population individual falling into local optimum.The simulation results show that the improved algorithm is superior to the basic flower pollination algorithm, bat algorithm, particle swarm optimization algorithm and improved particle swarm optimization algorithm.
【作者单位】：江西财经大学信息管理学院;河池学院计算机与信息工程学院;
【基金】：国家自然科学基金资助项目(61173146) 广西自然科学基金资助项目(2013GXNSFBA019022) 广西高校科学技术研究资助项目(KY2015LX332,KY2015LX334) 江西省研究生创新基金资助项目(YC2015-B054) 河池学院计算机网络与软件新技术重点实验室资助项目(院科研(2013)3号) 校级资助项目(XJ2015QN003)
【分类号】：TP18

【参考文献】