針對花朵授粉算法極易陷入局部最優(yōu)解且尋優(yōu)精度不高的問題,提出自適應多策略花朵授粉算法（self-adaptive flower pollination algorithm with multiple strategies,SMFPA）。利用錨點策略提高種群的多樣性,采用攝動策略改善全局勘探能力,采用局部搜索增強策略提升其開采最優(yōu)解的能力。為驗證SMFPA的性能,比較5種算法在解決12個測試問題上的尋優(yōu)結果,實驗結果表明,在尋優(yōu)速度以及尋優(yōu)精度方面,SMFPA算法表現(xiàn)更優(yōu)。通過比較算法在管柱設計問題上的尋優(yōu)結果,進一步評估SMFPA的尋優(yōu)性能。 

【文章來源】：計算機工程與設計. 2020,41(02)北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

錨點策略

在30維和100維情況下，SMFPA算法的最優(yōu)值、平均值、最差值小于其它幾種算法，收斂精度相對高于其它算法，而且標準差最小，算法的搜索結果最穩(wěn)定，具有良好的魯棒性。對于函數(shù)f8和f10,SMFPA算法能夠收斂到理論最優(yōu)值。而且SMFPA算法在多模問題f8～f12表現(xiàn)良好，避免陷入了局部值，求解到了最優(yōu)解。而其它算法的性能較差，收斂緩慢，主要體現(xiàn)在其最優(yōu)值、平均值、最差值較大，甚至難以收斂到最優(yōu)值。這表明SMFPA采用錨點策略、攝動策略、局部搜索增強策略不同程度的改善了勘探和開采能力。為直觀比較算法收斂性能，圖2為6個測試函數(shù)（f1～f6,30維）的適應度值進化曲線。在同一迭代次數(shù)下，SMFPA算法達到的適應度值小于其它算法；在相同的適應度值下，SMFPA算法達到的迭代次數(shù)小于其它算法。另外，SMFPA算法在100次迭代后基本能夠找到最優(yōu)解，而其它算法所需的迭代次數(shù)更多�？傮w上，SMFPA算法的尋優(yōu)性能更好。

【參考文獻】：
期刊論文
[1]基于佳點螢火蟲算法與BP神經網絡并行集成學習的旱情預測模型[J]. 李敬明,倪志偉,朱旭輝,許瑩.  系統(tǒng)工程理論與實踐. 2018(05)
[2]基于折射原理的混合型花朵授粉算法[J]. 崔麗群,張晨,鄭寶林,周四宏.  計算機應用研究. 2019(05)
[3]協(xié)調探索和開發(fā)能力的改進灰狼優(yōu)化算法[J]. 龍文,伍鐵斌.  控制與決策. 2017(10)
[4]花朵授粉算法的優(yōu)化[J]. 戴嬌,張明新,孫昊,鄭金龍,張國海.  計算機工程與設計. 2017(06)
[5]基于引力搜索機制的花朵授粉算法[J]. 肖輝輝,萬常選,段艷明,譚黔林.  自動化學報. 2017(04)
[6]基于變異策略的改進型花朵授粉算法[J]. 王玉鑫,李東生,高楊.  計算機應用研究. 2017(12)
[7]混合蝙蝠算法及其應用[J]. 何子曠,吳偉民,林志毅.  計算機工程與設計. 2016(11)
[8]求解旅行商問題的離散花授粉算法[J]. 李前,賀興時,楊新社.  計算機與現(xiàn)代化. 2016(07)
[9]基于花授粉算法的PID參數(shù)優(yōu)化[J]. 賀圣彥,曹中清,余勝威.  計算機工程與應用. 2016(17)
[10]基于混沌的花粉算法[J]. 喬現(xiàn)偉,賀興時,楊新社,胡婷婷.  紡織高�；A科學學報. 2015(03)

碩士論文
[1]多模態(tài)多目標進化算法的研究與應用[D]. 李國森.中原工學院 2019



本文編號：3429505