基于族群机制的花朵授粉算法

发布时间：2018-05-11 05:01

  本文选题：花朵授粉算法 + 寻优性能　； 参考：《火力与指挥控制》2017年04期

【摘要】：针对花朵授粉算法易陷入局部极值、收敛速度慢等不足,提出一种具有族群机制的花朵授粉算法。该算法把种群分成多个族群,各族群的最优个体再组成新的种群,进而促进种群间的信息交流,有效地协调种群进化过程中的全局搜索和局部搜索能力,避免个体的早熟收敛,提高算法的全局寻优能力及收敛速度。通过8个CEC2005benchmark测试函数进行测试比较,仿真结果表明,改进算法的寻优性能明显优于基本的花朵授粉算法、粒子群算法和蝙蝠算法,其收敛精度、收敛速度、鲁棒性均较对比算法有较大提高。
[Abstract]:A flower pollination algorithm with population mechanism is proposed to overcome the shortcomings of the flower pollination algorithm which is easy to fall into local extremum and slow convergence speed. The algorithm divides the population into several populations, and the optimal individuals of each population form a new population, thus promoting the information exchange among the populations, effectively coordinating the global and local search capabilities in the evolution process of the population, and avoiding the premature convergence of the individual. The global optimization ability and convergence speed of the algorithm are improved. Compared with eight CEC2005benchmark test functions, the simulation results show that the improved algorithm is superior to the basic flower pollination algorithm, particle swarm optimization algorithm and bat algorithm, and its convergence accuracy and convergence speed are better than those of the basic flower pollination algorithm, particle swarm optimization algorithm and bat algorithm. The robustness is better than the contrast algorithm.
【作者单位】： 河池学院计算机与信息工程学院;江西财经大学信息管理学院;
【基金】：国家自然科学基金(61173146) 广西自然科学基金(2013GXNSFBA019022) 校级青年科研基金(XJ2015QN003) 江西省研究生创新基金(YC2015-B054) 河池学院计算机网络与软件新技术重点实验室基金资助项目(院科研(2013)3号)
【分类号】：TP18

【参考文献】

相关期刊论文 前5条

1 王磊;张汉鹏;;基于混沌搜索与精英交叉算子的磷虾觅食算法[J];计算机工程;2015年03期

2 刘挺;王联国;;基于云模型的入侵杂草优化算法[J];计算机工程;2014年12期

3 王志刚;;一种改进搜索策略的人工蜂群算法[J];计算机仿真;2014年10期

4 乔俊飞;傅嗣鹏;韩红桂;;基于混合变异策略的改进差分进化算法及函数优化[J];控制工程;2013年05期

5 陈皓;崔杜武;崔颖安;陶永芹;梁琨;;族群进化算法[J];软件学报;2010年05期

相关硕士学位论文 前1条

1 王迎菊;混合型人工萤火虫群优化算法及应用研究[D];广西民族大学;2012年

【共引文献】

相关期刊论文 前10条

1 肖辉辉;段艳明;;基于族群机制的花朵授粉算法[J];火力与指挥控制;2017年04期

2 罗霞;何彪;刘硕智;高源;;车联网环境下交叉口车辆路径优化控制研究[J];计算机仿真;2017年04期

3 刘登峰;章力;邴晓瑛;邵玉倩;徐保国;;基于布谷鸟差分算法优化的DV-Hop改进算法[J];系统仿真学报;2017年04期

4 肖辉辉;段艳明;;具有入侵杂草策略的花朵授粉算法[J];系统仿真学报;2017年02期

5 CHEN Dengkai;DING Jingjing;GAO Minzhuo;MA Danping;LIU Donghui;;Form Gene Clustering Method about Pan-Ethnic-Group Products Based on Emotional Semantic[J];Chinese Journal of Mechanical Engineering;2016年06期

6 肖辉辉;;基于单纯形法和自适应步长的花朵授粉算法[J];计算机工程与科学;2016年10期

7 段艳明;肖辉辉;;基于量子行为的花朵授粉算法[J];兰州理工大学学报;2016年03期

8 刘丽杰;张强;;自适应混合文化蛙跳算法求解连续空间优化问题[J];信息与控制;2016年03期

9 肖辉辉;;基于单纯形法的蝙蝠算法[J];河池学院学报;2016年02期

10 宋月振;裴腾达;裴炳南;;基于中心解的改进人工蜂群算法[J];计算机应用;2016年04期

相关硕士学位论文 前3条

1 刘金勇;基于萤火虫算法的棉籽压榨试验参数优化[D];武汉轻工大学;2014年

2 朱文超;六维力传感器数字滤波研究[D];安徽工程大学;2014年

3 亢少将;萤火虫优化算法的研究与改进[D];广东工业大学;2013年

【二级参考文献】

相关期刊论文 前10条

1 刘长平;叶春明;;具有混沌搜索策略的蝙蝠优化算法及性能仿真[J];系统仿真学报;2013年06期

2 李志勇;李玲玲;王翔;王艳;;基于Memetic框架的混沌人工蜂群算法[J];计算机应用研究;2012年11期

3 罗钧;肖向海;付丽;王强;;基于分段搜索策略的改进蜂群算法[J];控制与决策;2012年09期

4 陈欢;周永权;赵光伟;;基于混沌序列的多种群入侵杂草算法[J];计算机应用;2012年07期

5 王辉;;一种带共享因子的人工蜂群算法[J];计算机工程;2011年22期

6 胡珂;李迅波;王振林;;改进的人工蜂群算法性能[J];计算机应用;2011年04期

7 暴励;曾建潮;;一种双种群差分蜂群算法[J];控制理论与应用;2011年02期

8 贾东立;郑国莘;;基于混沌和高斯局部优化的混合差分进化算法[J];控制与决策;2010年06期

9 杨卫东;姚峰;张明;;基于自适应交叉概率因子的差分进化算法及其应用[J];信息与控制;2010年02期

10 丁海军;冯庆娴;;基于boltzmann选择策略的人工蜂群算法[J];计算机工程与应用;2009年31期

【相似文献】

相关期刊论文 前10条

1 许道云;;全息算法的原理及应用[J];计算机科学与探索;2011年02期

2 段海滨,王道波,朱家强,黄向华;蚁群算法理论及应用研究的进展[J];控制与决策;2004年12期

3 段海滨;王道波;于秀芬;;几种新型仿生优化算法的比较研究[J];计算机仿真;2007年03期

4 刘永广;叶梧;冯穗力;;一种基于非线性长度的多约束路由算法[J];计算机应用研究;2008年11期

5 刘永广;叶梧;冯穗力;;一种基于蚁群算法和非线性长度的多约束路由算法[J];通信技术;2009年08期

6 刘振;胡云安;;一种多粒度模式蚁群算法及其在路径规划中的应用[J];中南大学学报(自然科学版);2013年09期

7 罗景峰;;智能算法求解效果评价的物元模型[J];微电子学与计算机;2011年04期

8 刘芳,李阳阳;量子克隆进化算法[J];电子学报;2003年S1期

9 周雅兰;;细菌觅食优化算法的研究与应用[J];计算机工程与应用;2010年20期

10 胡红莉;张建州;;螺旋锥束CT重建的近似逆算法[J];计算机工程与应用;2011年21期

相关会议论文 前1条

1 董家瑞;王精业;潘丽君;;改进的Dijksta算法在装备保障系统中的应用[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

相关博士学位论文 前9条

1 高卫峰;人工蜂群算法及其应用的研究[D];西安电子科技大学;2013年

2 张捷;进化算法及智能数据挖掘若干问题研究[D];西安电子科技大学;2013年

3 程世娟;改进蚁群算法及其在结构系统可靠性优化中的应用[D];西南交通大学;2009年

4 杨振宇;基于自然计算的实值优化算法与应用研究[D];中国科学技术大学;2010年

5 郭庆昌;均值移动算法及在图像处理和目标跟踪中的应用研究[D];哈尔滨工程大学;2008年

6 金劲;群集智能算法在网络策略中的研究及其应用[D];兰州理工大学;2011年

7 郑乐;宽频带雷达目标跟踪理论与算法研究[D];北京理工大学;2015年

8 刘剑;非圆信号波达方向估计算法研究[D];国防科学技术大学;2007年

9 张瑞秋;面向SMT的锥束CT图像重构关键理论与BGA焊点检测算法[D];华南理工大学;2014年

相关硕士学位论文 前10条

1 黄林;空间复用MIMO系统接收端的球形译码检测算法研究[D];宁夏大学;2015年

2 牛丽娟;基于Gossip算法的无线传感器网络分布式参数场估计[D];哈尔滨工业大学;2015年

3 卓静一;液晶相控阵波前相位校正算法研究[D];电子科技大学;2014年

4 张莹;视频异常事件检测算法研究[D];大连理工大学;2015年

5 张博;基于多用户MIMO系统的鲁棒性信号检测算法研究[D];大连理工大学;2015年

6 陈望;基于混合算法的室内WLAN定位研究[D];新疆大学;2015年

7 陈宗文;霍夫森林框架下的多目标检测与跟踪算法研究[D];东北大学;2013年

8 张亚玲;卫星导航抗干扰算法研究及系统设计[D];西安电子科技大学;2014年

9 贾佳蔚;基于粒子滤波的检测前跟踪算法研究[D];电子科技大学;2015年

10 刘洪彬;Hadoop下基于边聚类的重叠社区发现算法研究[D];安徽工业大学;2015年

，

本文编号：1872505